Gao Cong

UrbanLLM semplifica la gestione urbana affrontando domande complicate legate alla città.

Presentiamo un modello che migliora l'accuratezza delle previsioni per i dati delle serie temporali.

Esplorando l'impatto dell'apprendimento auto-supervisionato sull'analisi dei dati geospaziali.

CAMAL combina l'apprendimento automatico e metodi tradizionali per ottimizzare le prestazioni degli alberi LSM.