VaryST：面向开放环境变化的时空预测泛化模型论文发布

Shengnan Guo 等作者在arXiv发布VaryST论文，提出从零训练的紧凑型时空预测模型，通过动态构建预测上下文，提升模型在空间变化、时间分布变化和观测条件变化下的泛化能力。 基于论文摘要，在6个真实数据集上与17个基线的实验显示，VaryST取得较强的域内预测精度，在空间和时间变化下的零样本与少样本泛化上有较大提升，并对不同观测可用性保持鲁棒性。

AI 根据报道生成 · 2 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。