Lars Schmidt-Thieme

Il modello FEML migliora le previsioni con dati limitati usando il trasferimento di conoscenze.

Un nuovo approccio migliora le soluzioni di routing dei veicoli per problemi più grandi usando reti neurali.

Moco usa il machine learning per migliorare le soluzioni ai problemi di ottimizzazione combinatoria.

Il modello ProFITi prevede risultati da serie temporali campionate in modo irregolare.

ProbSAINT prevede i prezzi delle auto usate mentre valuta l'incertezza nelle previsioni.

CDALBench offre un terreno di prova affidabile per vari metodi di Active Learning.