★ 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
共 2 篇相关资讯，按重要度与时间排序，每 3 小时更新。
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。
研究提出概念整合 Transformer（CIT），利用预训练大模型生成带置信权重的基线感知概念异常目标，无需人工标注即可实现可解释预测。在两个纵向数据集上，CIT 在 AFFECT 上取得最高 F1（0.756），在 PHQ-9 数据集上并列最高（0.765）。学习到的概念分数揭示了可解释的行为…