Machine Learning for Irregularly-Sampled Time Series

Biloš, Marin

Marin Biloš

If you experience problems opening the document, please try this link.

Original title:: Machine Learning for Irregularly-Sampled Time Series
Translated title:: Maschinelles Lernen für unregelmäßig erfasste Zeitreihen
Author:: Biloš, Marin
Year:: 2024
Document type:: Dissertation
Faculty/School:: TUM School of Computation, Information and Technology
Advisor:: Günnemann, Stephan (Prof. Dr.)
Referee:: Günnemann, Stephan (Prof. Dr.); Duvenaud, David Kristjanson (Prof. Dr.)
Language:: en
Subject group:: DAT Datenverarbeitung, Informatik
TUM classification:: DAT 600; DAT 703; DAT 708
Abstract:: In this thesis, we consider irregularly-sampled time series, with the goal of defining a generative model for both the measurements and their arrival times. We further extend our approach to address critical tasks such as time series classification, forecasting future values, and imputing missing data.
Translated abstract:: In dieser Arbeit betrachten wir unregelmäßig erfasste Zeitreihen mit dem Ziel, ein generatives Modell sowohl für die Messungen als auch für deren Ankunftszeiten zu definieren. Wir erweitern unseren Ansatz weiter, um kritische Aufgaben wie die Klassifizierung von Zeitreihen, die Vorhersage zukünftiger Werte und die Imputation fehlender Daten anzugehen.
WWW:: https://mediatum.ub.tum.de/?id=1705596
Date of submission:: 13.04.2023
Oral examination:: 02.02.2024
File size:: 4515592 bytes
Pages:: 180
Urn (citeable URL):: https://nbn-resolving.de/urn/resolver.pl?urn:nbn:de:bvb:91-diss-20240202-1705596-1-7
Last change:: 05.04.2024
BibTeX