ARFA: 一个用于时空预测的非对称感受野自编码器模型
原文中文,约300字,阅读约需1分钟。发表于: 。该研究论文介绍了一个名为 Asymmetric Receptive Field Autoencoder (ARFA) 的模型,其通过设计不同功能的感受野模块来解决处理时空相关性的挑战,使用中国内陆地区特有的降水特征的雷达回波数据集 RainBench,实验证明 ARFA 在两个主流时空预测数据集和 RainBench 数据集上实现了一致的最先进性能,从而推进了时空预测的未来研究。
本文介绍了一个用于无监督学习结构化预测的框架,通过特征丰富的条件随机场实现对可观察数据的条件预测。该框架使用最大似然估计的模型进行输入重建,无需独立性假设或限制特征类型。作者将该框架应用于词性归纳和文本词汇对应任务,并证明其比基线方法更高效。