BriefGPT - AI 论文速递
·
静态与多变量时间关注融合变压器用于再入院风险预测
💡
原文中文，约400字，阅读约需1分钟。
📝
内容提要
本文介绍了一种名为LVSTformer的多层多视图增强时空Transformer模型，用于交通预测。该模型通过捕获空间和时间依赖性，提高了泛化能力和鲁棒性。实验结果显示，LVSTformer相较于竞争基线模型表现更好，最大改进幅度达到4.32%。
🎯
关键要点
-
提出了一种名为LVSTformer的多层多视图增强时空Transformer模型用于交通预测。
-
模型旨在从局部地理、全局语义和关键节点三个层次捕获空间依赖性。
-
具备长期和短期的时间依赖性，通过结合三种空间增强视图与三个并行空间自注意机制。
-
采用门控时间自注意机制有效捕捉时间依赖性。
-
引入时空上下文广播模块，确保注意力分配均匀，缓解过拟合和信息损失。
-
增强模型的泛化能力和鲁棒性。
-
在六个知名交通基准上进行实验，LVSTformer表现优于竞争基线模型，最大改进幅度达到4.32%。
🏷️
标签
➡️
