Memorias de investigación
Ponencias en congresos:
Latent force models for earth observation time series prediction
Año:2016
Áreas de investigación
  • Ciencias de la tierra,
  • Ingeniería eléctrica, electrónica y automática
Datos
Descripción
We introduce latent force models for Earth observation time series analysis. The model uses Gaussian processes and differential equations to combine data driven modelling with a physical model of the system. The LFM presented here performs multi-output structured regression, adapts to the signal characteristics, it can cope with missing data in the time series, and provides explicit latent functions that allow system analysis and evaluation. We successfully illustrate the performance in challenging scenarios of crop monitoring from space, providing time-resolved time series predictions.
Internacional
Si
Nombre congreso
26th IEEE International Workshop on Machine Learning for Signal Processing (MLSP)
Tipo de participación
960
Lugar del congreso
Salerno (Italy)
Revisores
Si
ISBN o ISSN
978-1-5090-0746-2
DOI
10.1109/MLSP.2016.7738844
Fecha inicio congreso
13/09/2016
Fecha fin congreso
16/09/2016
Desde la página
1
Hasta la página
6
Título de las actas
Proceedings of the 26th IEEE International Workshop on Machine Learning for Signal Processing (MLSP)
Esta actividad pertenece a memorias de investigación
Participantes
  • Autor: David Luengo Garcia UPM
  • Autor: Manuel Campos-Taberner Universitat de València
  • Autor: Gustau Camps-Valls Universitat de València
Grupos de investigación, Departamentos, Centros e Institutos de I+D+i relacionados
  • Creador: Grupo de Investigación: Teoría de Aproximación Constructiva y Aplicaciones
  • Departamento: Teoría de la Señal y Comunicaciones (Provisional)