MemDA:基于记忆的漂移自适应城市时间序列预测
原文中文,约200字,阅读约需1分钟。发表于: 。我们提出了一种新的城市时间序列预测模型,通过考虑数据中的周期性,并使用元动态网络根据漂移进行即时调整,以解决概念漂移问题。实验结果表明,我们的设计明显优于现有方法,并可以通过减小它们对分布变化的敏感性来很好地推广到现有的预测模型。
该文介绍了一种新的城市时间序列预测模型,通过考虑数据中的周期性和使用元动态网络进行即时调整,解决了概念漂移问题。实验结果表明,该模型优于现有方法,并可以推广到现有的预测模型。