Lars Schmidt-Thieme

O modelo FEML melhora as previsões com dados limitados usando transferência de conhecimento.

Uma nova abordagem melhora as soluções de roteamento de veículos para problemas maiores usando redes neurais.

Moco usa aprendizado de máquina pra melhorar as soluções de problemas de otimização combinatória.

O modelo ProFITi prevê resultados de séries temporais amostradas de forma irregular.

O ProbSAINT prevê preços de carros usados enquanto avalia a incerteza nas previsões.

CDALBench oferece um campo de teste confiável para vários métodos de Aprendizado Ativo.