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.