PulseAugur
中
实时 07:18:26
English(EN) When Context Compensates for Sparse Event History: AlphaEarth for Spatio-Temporal Point-Process Forecasting

AlphaEarth模型通过上下文数据增强时空预测能力

作者 PulseAugur 编辑部 · [1 个来源] ·

研究人员开发了AlphaEarth，这是一种旨在改善事件数据的时空预测的新模型，尤其是在本地历史信息稀疏的情况下。通过将AlphaEarth嵌入作为空间上下文整合到对数高斯Cox过程骨干中，该模型在预测历史数据有限地区的紧急医疗服务（EMS）事件方面表现出显著的改进。研究发现，这种上下文信息大大稳定了预测，在历史长度较短的情况下显示出2-6倍的乘法改进，在历史长度较长的情况下显示出约10-20%的改进。 AI

影响 提高了数据稀缺环境下的预测准确性，可能改善紧急响应等服务的资源分配。

排序理由 详细介绍新模型及其评估的学术论文。[lever_c_demoted from research: ic=1 ai=1.0]

在 arXiv cs.LG 阅读 →

AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →

AlphaEarth模型通过上下文数据增强时空预测能力

报道来源 [1]

  1. arXiv cs.LG TIER_1 English(EN) · Sebastian Vollmer ·

    当上下文弥补稀疏事件历史：用于时空点过程预测的AlphaEarth

    Spatio-temporal point-process models must often generalise across space when local event histories are sparse. We study whether exogenous spatial context can compensate in such regimes. Using a fixed log-Gaussian Cox process backbone, we compare an event-only model with the same …

相关实体

相关话题