Neuer Konferenzbeitrag für das IEEE International Conference on Machine Learning and Applications (ICMLA) 2022 angenommen
In dem Artikel "Unified Autoencoder with Task Embeddings for Multi-Task Learning in Renewable Power Forecasting" schlagen Chandana Priya Nivarthi, Stephan Vogt und Bernhard Sick die Verwendung einer Kombination aus Autoencoder und Task Embeddings für Multi-Task- und Transfer-Learning-Szenarien bei der Vorhersage erneuerbarer Energien vor.