spatiotemporal forecasting | BriefGPT

关键词spatiotemporal forecasting

搜索结果 - 9

时空预测与效率相遇：因果图过程神经网络
本文介绍 Causal Graph Process Neural Network (CGProNet)，它结合了 CGPs 和 GNNs，用于时空预测，并通过使用更少的参数、减少内存使用和提高运行效率来优化模型。实验结果表明 CGProNe
PDFa month ago
VMRNN：整合 Vision Mamba 和 LSTM 实现高效准确的时空预测
本文提出了一种以 VMRNN 单元为核心的网络结构，将 CNNs 和 ViTs 与 RNNs 相结合，以有效地处理时空预测任务，并通过广泛的评估表明该方法在多种任务上取得了竞争性的结果，同时保持了较小的模型尺寸。
PDF3 months ago
基于图的缺失数据时空降采样预测
通过分层时空下采样，利用可解释的注意机制结合观测和缺失数据模式，我们的方法在不同的缺失数据分布以及连续缺失数据块存在的情况下，在合成和实际基准测试中优于最先进的方法。
PDF5 months ago
TransGlow: 基于图神经网络的注意力增强传导模型用于水流预测
该研究论文提出了一种基于图卷积循环神经网络和注意机制的时空预测模型 TransGlow，用于水量的水文预测与预测建模，通过对水系统的动态性和有限数据进行建模，实验结果表明该模型在水文应用领域取得了显著的优势。
PDF7 months ago
SVQ: 稀疏向量量化用于时空预测
通过开发稀疏量化方法，我们的研究在多个领域中不断提升了基准模型的性能，实现了最先进的结果。
PDF7 months ago
应用预言家方法学习灰色时空系统中非连续时空动态
本文提出了一种基于因素解耦的灰色时空系统学习框架 FDG2S，用于处理存在缺失观测的非连续预测问题。该框架通过语义邻近序列采样和因子解耦聚合策略实现了对非连续状态预测的模拟。与此同时，该文中提出了一种解开不确定性的方法 DisEntangl
PDF2 years ago
WWWSTUaNet：理解时空集体人类移动中的不确定性
提出了一个不确定性学习机制来同时估计内部数据质量和量化外部不确定性，以提供空间时间预测的高质量不确定性量化，并通过设计一个基于门控的桥梁来重新校准和提高预测性能，从而解决不确定性标签的缺乏这一问题。
PDF3 years ago
Traffic Graph Convolutional Recurrent Neural Network: 网络规模交通学习与预测的深度学习框架
通过学习交通网络图形并提出一种新的深度学习框架，Traffic Graph Convolutional Long Short-Term Memory Neural Network（TGC-LSTM），我们可以更好地进行交通预测，从而在两个真
PDF6 years ago
ICLR扩散卷积循环神经网络：基于数据的交通预测
本文提出了一种用于交通预测的新型深度学习架构 Diffusion Convolutional Recurrent Neural Network (DCRNN)，通过在有向图上进行双向随机游走来捕捉交通流的空间依赖性，通过编码器 - 解码器结
PDF7 years ago