提出谱自适应图Transformer用于交通预测

Amirhossein Ghaffari、Susanna Pirttikangas 和 Ekaterina Gilman 在 arXiv 论文（2610.25140v1）中提出谱自适应图Transformer交通预测模型：空间算子通过学习得到而非由拉普拉斯矩阵导出，是有方向、随当前交通状态变化的动态算子，计算代价随传感器数量线性增长；另以稀疏道路图扩散分支补充局部传播。 作者称，在覆盖 170 到 1843 个传感器的六个公开基准上、以三个随机种子评估，该模型在其中一个基准取得所有单一端到端模型中的最低误差，在其余基准上与最强的注意力模型保持竞争力，同时内存约为其四分之一、训练速度快约一倍。以上为论文声称的结果，尚无独立复现。

AI 根据报道生成 · 2 天前更新