时空协方差神经网络
原文中文，约300字，阅读约需1分钟。发表于：。本研究解决了多变量时间序列中时空交互建模的挑战，特别是由于数据结构的不规律性和不确定性导致的建模困难。通过引入时空协方差神经网络（STVNN），该模型利用样本协方差矩阵和联合时空卷积有效建模数据，并证明其在不确定性条件下的稳定性，显著优于传统的基于PCA的方法。实验结果表明，STVNN在适应数据分布变化方面表现出色，并在多变量时间序列处理上具有竞争力。
本研究通过引入时空协方差神经网络（STVNN）解决了多变量时间序列中时空交互建模的挑战。STVNN利用样本协方差矩阵和联合时空卷积有效建模数据，并在不确定性条件下证明了其稳定性。实验结果表明，STVNN在适应数据分布变化方面表现出色，并在多变量时间序列处理上具有竞争力。
