基于图分解学习的多因素时空预测
原文中文,约500字,阅读约需2分钟。发表于: 。我们提出了一个多因素时空预测任务,预测不同因素下局部时空数据的演变,并将它们结合起来进行最终预测。通过理论解决方案和可移植的实例化框架,我们在这个任务中做出了两个贡献:提出了一种称为分解预测策略的有效理论解决方案,并从信息熵理论的角度证明了其有效性。在此基础上,我们实例化了一个新颖的模型无关框架,名为时空图分解学习(STGDL),用于多因素时空预测。框架包括两个主要组件:自动图分解模块,将时...
该文介绍了一个多因素时空预测任务,使用STGDL框架有效预测不同因素下局部时空数据的演变,并将它们结合起来进行最终预测。实验结果表明,该框架平均显著减少了各种时空模型的预测误差。