BriefGPT.xyz
Ask
alpha
关键词
neural temporal point processes
搜索结果 - 4
XTSFormer：跨时空尺度变换器用于不规则时间事件预测
事件预测是基于历史事件序列预测未来事件的时间和类型，本论文提出了针对非规则时间事件数据的跨时空尺度变换器（XTSFormer），包括新颖的基于特征的周期感知时间位置编码（FCPE）和分层多尺度时间注意机制。在多个真实世界数据集上的广泛实验表
→
PDF
5 months ago
事件序列预测的交互扩散过程
我们提出了一种使用扩散生成模型的新方法，该模型能够预测基于历史事件序列的多步预测，并学习多个事件类型的类型和时间间隔的联合概率分布，以实现对长时间跨度的预测。
PDF
8 months ago
基于预设增强的时间点过程的流事件序列
在实时场景下，持续监测神经时序点过程（TPP）以学习流式事件序列是一个重要且尚未深入研究的问题。本文提出了一种简单而有效的框架 PromptTPP 来解决这一挑战，通过将基础 TPP 与连续时间检索提示池集成，使得模型能够在不缓存过去的例子
→
PDF
9 months ago
通过对比关系推理提升事件序列建模
我们提出了一种新颖的方法，利用神经关系推断来学习关系图，以从观测数据中推断事件相互作用，并同时学习动态模式。我们的方法在变分推断框架下对事件相互作用进行推理，并利用基于强度的学习来搜索原型路径以对比关系约束。在三个真实世界数据集上的大量实验
→
PDF
10 months ago
Prev
Next