基于记忆增强的不变提示学习用于城市流量预测中的分布偏移

本研究解决了城市流量预测中的分布偏移问题，暴露了现有空间-时间图神经网络模型的弱点。提出了一种新颖的记忆增强不变提示学习框架，通过可学习的记忆库存储因果特征，适应性地提取不变和变异提示，最终显著提高了对OOD数据的预测鲁棒性。