小模型大突破！神经网络透视空间异质性，准确描述复杂地理现象
原文中文，约5400字，阅读约需13分钟。发表于：。过去，空间异质过程建模的关键是以时空位置邻近性 (Proximity) 度量为基础，进行时空权重核函数的设计与构建，进而利用局部加权回归理论建立非平稳性目标解算函数，通过模型评价准则的最优求解，实现时空非平稳关系的地理建模。线条代表得到的优化空间邻近性和欧式距离之间的差异。也就是说，在不同的坐标位置上，它的回归关系是不同的，由于空间邻近性是一个抽象概念，没有真值，比如说给定 a 点和 b...
HyperAI超神经策划了「Meet AI4S」系列直播栏目，邀请科研人员分享研究成果。本期邀请了浙江大学博士生丁佳乐分享他的研究成果，以神经网络为房价的空间异质性提供新解释。他们构建了osp-GNNWR模型，通过解算因变量与自变量的空间非平稳回归关系实现神经网络的训练，能更准确地描述复杂的空间过程和地理现象。
