DST-Net：分解时空网络用于时间序列预测
热点事件持续更新
DST-Net：分解时空网络用于时间序列预测
1 篇报道1 个报道来源6 小时前更新
先了解这件事
AI 综述
Yaohua Zha、Hai Wu 和 Shu-Tao Xia 发布论文摘要，提出 DST-Net 模型：将时间序列分解为趋势与季节成分，分别建模其空间耦合和局部时间演化。论文称在多个真实世界基准上的大量实验证明了模型有效性。以上仅基于论文摘要，未提供具体实验细节，本站未核验全文。
AI 根据报道生成 · 3 小时前更新
最新进展10月16日 12:00
DST-Net：分解时空网络用于时间序列预测报道时间线
沿着报道，了解事件的不同侧面。
10月16日
- arXiv · cs.AIDST-Net：分解时空网络用于时间序列预测
Yaohua Zha、Hai Wu 和 Shu-Tao Xia 提出 DST-Net，将时间序列分解为趋势与季节成分，并分别建模其空间耦合和局部时间演化。基于论文摘要，模型在多个真实世界基准实验中报告了有效性，但未提供具体实验细节。
本事件热度走势
- 可比范围当前
- 8
- 可比范围峰值
- 910月16日 16:00
- 近 24 小时变化
- –
02.557.510
16:0017:0018:00
趋势仅比较持续完整观测到的相同主体，范围可能小于当前热度统计。移动指针或点击图表查看每小时热度；键盘可用左右方向键切换。