Dynamic Graph Convolutional LSTM application for traffic flow estimation from error-prone measurements: results and transferability analysis - Equipe Cybersécurité et Cryptographie Accéder directement au contenu
Communication Dans Un Congrès Année : 2021

Dynamic Graph Convolutional LSTM application for traffic flow estimation from error-prone measurements: results and transferability analysis

Domaines

Mathématiques [math] Machine Learning [stat.ML] Statistiques [math.ST] Probabilités [math.PR]

Stephan Clémençon  : Connectez-vous pour contacter le contributeur

https://telecom-paris.hal.science/hal-03559364

Soumis le : dimanche 6 février 2022-16:09:11

Dernière modification le : jeudi 2 novembre 2023-15:52:17

Fichier non déposé

Dates et versions

hal-03559364 , version 1 (06-02-2022)

Identifiants

Citer

Stéphan Clémençon, Safa Boudabous, Houda Labiod, Julian Garbiso. Dynamic Graph Convolutional LSTM application for traffic flow estimation from error-prone measurements: results and transferability analysis. 2021 IEEE 8th International Conference on Data Science and Advanced Analytics (DSAA), Oct 2021, Porto, Portugal. pp.1-10, ⟨10.1109/DSAA53316.2021.9564245⟩. ⟨hal-03559364⟩

Exporter

BibTeX XML-TEI Dublin Core DC Terms EndNote DataCite

Collections

INSTITUT-TELECOM INSMI LTCI INFRES IDS S2A IP_PARIS C2
36 Consultations
0 Téléchargements

Altmetric

Partager

Gmail Facebook X LinkedIn More