Dec, 2023
稀疏数据填充的时空变换器:一种深度学习方法
Spatiotemporal Transformer for Imputing Sparse Data: A Deep Learning Approach
Kehui Yao, Jingyi Huang, Jun Zhu
TL;DR通过引入一种新颖的时空 Transformer 模型(ST-Transformer)来解决稀疏时空数据中缺失值的问题,本研究展示了该模型在土壤湿度数据中的应用,其通过多个时空注意力层来捕捉数据中复杂的时空相关性,并在填补过程中整合额外的时空协变量以提高准确性,相较于其他著名的填补方法,该模型表现出卓越的准确性,并在其他数据集的模拟研究中展示了其在各种时空填补任务中的广泛适用性。