★ 3
移动感知PM2.5预测的空间注意力图神经网络
研究提出SA-GNN模型，用于城市交通走廊高分辨率PM2.5浓度预测。模型结合聚类GRU和图注意力网络，在印度苏拉特数据集上表现优于LSTM等基线，实现R²=0.95。该技术有望支持实时细粒度监测和个性化暴露追踪。
arXiv cs.AI56 天前
#时空建模
共 8 篇相关资讯，按重要度与时间排序，每 3 小时更新。
★ 2
SpecLST：频谱增强长短时时空多模态交通预测框架
论文提出 SpecLST，用基于快速傅里叶变换的频域表征模块高效编码数周历史依赖，规避长序列注意力的内存瓶颈。异构上下文经注意力融合，再接稀疏混合专家骨干与图增强。在 60 分钟预测窗口下，相较八个神经预测基线在四个数据集上 MAE 平均降低 14.10%、RMSE 降 10.35%、MAPE 降…
arXiv cs.LG5 天前
★ 2
CTRL-FM：面向长时节点故障的流匹配虚拟传感推理时结构控制框架
arXiv 新论文提出 CTRL-FM，一个保持观测不变的流匹配框架，把结构引导作为以故障为条件的推理时决策。它从存活测量中构造自监督代理故障，据此在无控制、图主导、时间主导与均衡四种策略间选择，并仅对缺失项施加控制。在 PeMS08、METR-LA、Air-36、AQI 四个数据集上，30% 与…
arXiv cs.LG10 天前
★ 2
GCRN+ 用稀疏传感器预测全网高速车速
研究基于达拉斯-沃斯堡地区 643 个传感器预测全部 4127 条高速路段的当前与下一小时车速，提出图卷积循环网络 GCRN+。在未覆盖路段上当前小时 RMSE 为 2.21 mph，优于历史均值基线，拥堵检测召回率提升至 89%。
arXiv cs.LG14 天前
★ 2
STCFormer：动态聚类时空Transformer用于站点天气预报
论文提出STCFormer，一种自适应时空Transformer，按每个时间片段内站点的局部演化动态分组，结合簇内细粒度注意力与区域状态摘要的全局注意力。作者推导出聚类条件局部注意力的Lipschitz上界不大于全连接版本，解释了鲁棒性优势并启发InfoLoss设计。在三个真实气象数据集、八个温度…
arXiv cs.LG31 天前
★ 2
STAR：微服务故障统一管理的自适应时空归一化框架
论文提出 STAR，一个面向大规模微服务系统事故管理的时空自适应表示学习框架。它通过时间自适应归一化（TAN）和空间自适应归一化（SAN）分别处理非平稳时序动态与异构服务依赖图，将归一化建模为可学习的上下文条件变换。在统一自监督框架下，STAR 端到端支持异常检测、故障分诊与根因定位三项任务，并在…
arXiv cs.LG34 天前
★ 2
自适应谱分解的多步交通预测网络
论文提出自适应分解网络 ADNet，将交通动态自适应解耦为主导与残差分量。它引入可学习的互补谱分解机制，让每个频段以不同比例贡献两个分量，并与预测目标联合优化。在 TraffiDent 数据集上，ADNet 在 24 项区域-视野-指标对比中 20 项取得最佳，长预测视野增益尤为明显。
arXiv cs.LG40 天前
★ 2
时空克罗内克协方差神经网络
论文提出克罗内克协方差神经网络（KVNN），一种时序图神经网络，用克罗内克乘积之和表示时空协方差矩阵，将空间与时间依赖解耦。KVNN具备严格谱分析并证明对有限样本估计误差稳定，弥补了时空PCA的线性与估计误差局限。在五个真实数据集上取得强预测性能，且可训练参数显著更少。
arXiv cs.LG40 天前