喜欢
超越时空属性，数据序列的动态和不稳定性给预测结果带来了扰动，可能导致模型退化。为了解决这些问题，我们提出了一种名为DualST的双轨空间-时间学习模块，用于准确的城市流量推断。为了更有效地区分时间维度中的语义信息，我们将整体时间尺度分为接近性和周期性。双轨模块同时利用了动态演化趋势和周期性交通模式，包括时间因果推断和时间上下文推断。所提出的DualST以自我监督的方式捕捉全局空间特征，不仅丰富了空...
浏览次数
1
复制次数
0
收藏次数
0
字数
340
预测Token
311
Prompt提示词指令详情：
超越时空属性，数据序列的动态和不稳定性给预测结果带来了扰动，可能导致模型退化。为了解决这些问题，我们提出了一种名为DualST的双轨空间-时间学习模块，用于准确的城市流量推断。为了更有效地区分时间维度中的语义信息，我们将整体时间尺度分为接近性和周期性。双轨模块同时利用了动态演化趋势和周期性交通模式，包括时间因果推断和时间上下文推断。所提出的DualST以自我监督的方式捕捉全局空间特征，不仅丰富了空...
创建信息
创建者：匿名
语言：zh
创建时间：2025年08月28日
更新时间：2026年11月14日
