即插即用，快速適配！港大FlashST：簡單通用的智慧交通時空預測模型 | ICML 2024

AIGC動態歡迎閱讀

原標題：即插即用，快速適配！港大FlashST：簡單通用的智慧交通時空預測模型 | ICML 2024
關鍵字：時空,模型,數據,上下文,下游
文章來源：新智元
內容字數：0字

內容摘要：

新智元報道編輯：LRT
【新智元導讀】華南理工大學和香港大學的研究人員在ICML 2024上提出了一個簡單而通用的時空提示調整框架FlashST，通過輕量級的時空提示網絡和分布映射機制，使預訓練模型能夠適應不同的下游數據集特征，顯著提高了模型在多種交通預測場景中的泛化能力。交通預測的目標是準確預測和分析城市未來的交通模式，這一過程需要同時考慮時間和空間因素。
然而，分布偏移的存在在這一領域構成了一個重大挑戰，因為現有模型在面對與訓練分布顯著不同的測試數據時，往往難以很好地泛化。
為了解決這個問題，華南理工大學、香港大學的研究人員提出了一個簡單而通用的時空提示調整框架FlashST，能夠使預訓練模型適應于不同下游數據集的特定特征，提高了其在多種預測場景中的泛化能力。代碼地址:https://github.com/HKUDS/FlashST
論文地址:https://arxiv.org/abs/2405.17898
具體來說，所提出的的FlashST框架采用了一個輕量級的時空提示網絡進行上下文學習，捕捉時空不變知識，并有效地適應不同場景。
此外，文中還引入了一個分布映射機制，對齊預訓練和

原文鏈接：即插即用，快速適配！港大FlashST：簡單通用的智慧交通時空預測模型 | ICML 2024

聯系作者

文章來源：新智元
作者微信：AI_era
作者簡介：智能+中國主平臺，致力于推動中國從互聯網+邁向智能+新紀元。重點關注人工智能、機器人等前沿領域發展，關注人機融合、人工智能和機器人對人類社會與文明進化的影響，領航中國新智能時代。