BriefGPT - AI 论文速递
·
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。
📝
内容提要
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。
🎯
关键要点
-
提出了一种新的城市时间序列预测模型。
-
模型考虑了数据中的周期性。
-
使用元动态网络进行即时调整，以解决概念漂移问题。
-
实验结果显示该模型明显优于现有方法。
-
模型可以很好地推广到现有的预测模型，减小对分布变化的敏感性。
🏷️
标签
➡️
