urban computing | BriefGPT - AI 论文速递

关键词urban computing

搜索结果 - 7

基于 Prompt 的时空图迁移学习
提出了一个基于提示增强的跨时空图转移学习框架，适应数据稀缺领域中的多样任务，在三个下游任务预测、克里金插值和外推中明显优于现有基线方法。
PDFa month ago
路径推荐综述：方法、应用与机遇
基于城市计算的路径推荐研究综述了传统机器学习和现代深度学习方法在智能交通中的方法学应用、与城市计算场景相关的新应用、当前问题和挑战以及未来研究方向。
PDF4 months ago
城市计算中的跨域数据融合深度学习：分类、进展和展望
城市计算是一门关键学科，通过整合来自不同领域和模式（如时空、视觉和文本模式）的多源（如地理、交通、社交媒体和环境数据）跨领域数据融合，可为可持续发展提供支持。最近，我们观察到在智能城市中利用各种深度学习方法促进跨领域数据融合的趋势逐渐增长。
PDF4 months ago
PromptST: 提示增强的时空多属性预测
在信息爆炸时代，时空数据挖掘作为城市管理的关键部分，通过同时预测多个时空属性，可以减轻监管压力，推动智能城市建设。本文提出了一种针对时空多属性预测的有效解决方案，PromptST，通过时空变换器和参数共享训练机制来处理不同时空属性之间的共同
PDF10 months ago
KDD跨城市知识迁移的时空图少样本学习
针对数据稀缺的城市，在跨城市知识转移的基础上，提出了一个面向时空图的模型不可知少样本学习框架 ST-GFSL，用于从城市之间不规则的时空相似性中提高特征提取的质量，重构图结构以实现结构感知学习并提高交通速度预测的准确性。
PDF2 years ago
基于注意力机制的上下文多视图图卷积网络用于短期人口预测
提出一种基于多视图图卷积神经网络 (ACMV-GCNs) 的深度学习模型来预测未来城市人口，该模型利用城市环境信息构建多图并加入注意力机制以考虑情境影响，并通过移动电话收集的人口统计数据表明表现优于基准方法。
PDF2 years ago
跨城市深度时空预测的迁移学习
该研究提出了一种名为 RegionTrans 的跨城市转移学习方法，旨在解决城市计算中深度时空预测任务中数据匮乏的问题，并在人群流量预测实验中验证其有效性。
PDF6 years ago