可解释的专家混合模型在发生和非发生条件下的时间序列预测
本研究提出了一种新的交通速度预测模型,使用专家混合模型捕捉不同的交通模式。研究发现该模型在真实路网上的预测误差较低,能有效解释时间依赖性和变量重要性。
通过图神经网络和深度算子网络学习时变 PDE 以实现在不规则网格上的鲁棒性精度
本论文提出了一个名为“GrADE”的新框架,用于解决非线性偏微分方程的时间依赖性问题。该框架结合了FNN、Graph Neural Network和神经O...
建模连续时间动态的带符号图神经常微分方程
本论文提出了一个名为“GrADE”的新框架,用于解决非线性偏微分方程的时间依赖性问题。该框架结合了FNN、Graph Neural Network和神经O...
生成层次时间变换器用于手势动作识别和运动预测
本文提出了一种使用三角棱镜循环神经网络模型的新的人体姿势预测方法,通过编码不同时间尺度的时间依赖性来捕获分层结构。实验证明该方法在数量和质量上优于基线和最先进的方法。
双约束动态神经 ODE 用于意识模糊的连续情绪预测
介绍了一种考虑时间依赖性的模糊感知情绪分布的建模方法,通过额外约束保证预测分布有效。在公开数据集上评估,表现有希望。
流式视频密集字幕
本文提出了一种新颖的密集视频字幕框架,通过建模视频中事件的时间依赖性和利用先前事件的视觉和语言上下文,实现连贯的叙述。该框架由事件序列生成网络和序列视频字...
通过高效的分层位置表示在个人轨迹中进行预训练的上下文位置嵌入
该文介绍了一种利用预训练的基于位置的嵌入和 Geo-Tokenizer 来提高位置服务性能的方法。该方法考虑了位置的时间依赖性,有效地训练分解的位置,从而...
一种基于原对偶在线学习方法的顺序展示互补商品动态定价问题
本研究提出了一种参考价格机制,证明了降价政策是近乎最优的。同时,还解决了需求模型参数未知的学习问题,并提供了高效的学习算法。
统一的连续时间 q 学习方法用于均场博弈和均场控制问题
该论文从代理人的视角研究了含有均场跳扩散模型的连续时间 Q 学习。通过引入解耦形式的集成 Q 函数(解耦 Iq 函数)并与价值函数建立其鞅特性,该论文为均...
时间序列数据增强的不平衡学习问题
介绍了InfoBoost数据合成框架,具有时间序列表示学习能力,无真实数据训练模型,超越真实数据训练模型性能,克服干扰源,重构性能和特征提取卓越。