★ 2
自适应元学习器融合可解释性与天气预测公交到站
该论文提出 HYB(nm) 自适应混合集成框架，通过元学习器动态融合历史基线、周期时序分析、Koopman 神经算子、天气特征网络与实时图卷积网络五种模型，用于公交到站时间（ETA）预测。在印度加尔各答三条公交线路、超 4000 次行程的 GPS 与天气数据上评估，精度媲美领先图神经网络，并在稳定…
arXiv cs.LG34 天前
共 1 篇相关资讯，按重要度与时间排序，每 3 小时更新。
该论文提出 HYB(nm) 自适应混合集成框架，通过元学习器动态融合历史基线、周期时序分析、Koopman 神经算子、天气特征网络与实时图卷积网络五种模型，用于公交到站时间（ETA）预测。在印度加尔各答三条公交线路、超 4000 次行程的 GPS 与天气数据上评估，精度媲美领先图神经网络，并在稳定…