Geospatial extrapolation of time-series data with deep learning

Schollerer, Lea und Geiß, Christian und Zhu, Yue und Maier, Jana (2023) Geospatial extrapolation of time-series data with deep learning. Munich Autumn School on Remote Sensing, 2023-09-27 - 2023-09-29, Lenggries, Deutschland.

PDF
1MB

elib-URL des Eintrags:

https://elib.dlr.de/202532/

Dokumentart:

Konferenzbeitrag (Poster)

Titel:

Geospatial extrapolation of time-series data with deep learning

Autoren:

Autoren	Institution oder E-Mail-Adresse	Autoren-ORCID-iD	ORCID Put Code
Schollerer, Lea	Lea.Schollerer (at) dlr.de	NICHT SPEZIFIZIERT	NICHT SPEZIFIZIERT
Geiß, Christian	Christian.Geiss (at) dlr.de	https://orcid.org/0000-0002-7961-8553	NICHT SPEZIFIZIERT
Zhu, Yue	ETH Zürich	NICHT SPEZIFIZIERT	NICHT SPEZIFIZIERT
Maier, Jana	NICHT SPEZIFIZIERT	NICHT SPEZIFIZIERT	NICHT SPEZIFIZIERT

Datum:

September 2023

Referierte Publikation:

Nein

Open Access:

Gold Open Access:

Nein

In SCOPUS:

Nein

In ISI Web of Science:

Nein

Status:

veröffentlicht

Stichwörter:

future prediction, time series data, LSTM model, exposure analysis, population distribution, PARATUS

Veranstaltungstitel:

Munich Autumn School on Remote Sensing

Veranstaltungsort:

Lenggries, Deutschland

Veranstaltungsart:

Workshop

Veranstaltungsbeginn:

27 September 2023

Veranstaltungsende:

29 September 2023

Veranstalter :

Universität der Bundeswehr München

HGF - Forschungsbereich:

Luftfahrt, Raumfahrt und Verkehr

HGF - Programm:

Raumfahrt

HGF - Programmthema:

Erdbeobachtung

DLR - Schwerpunkt:

Raumfahrt

DLR - Forschungsgebiet:

R EO - Erdbeobachtung

DLR - Teilgebiet (Projekt, Vorhaben):

R - Fernerkundung u. Geoforschung

Standort:

Oberpfaffenhofen

Institute & Einrichtungen:

Deutsches Fernerkundungsdatenzentrum > Georisiken und zivile Sicherheit

Hinterlegt von:

Schollerer, Lea

Hinterlegt am:

04 Mär 2024 10:23

Letzte Änderung:

24 Apr 2024 21:02

Nur für Mitarbeiter des Archivs: Kontrollseite des Eintrags