一篇新研究论文介绍了一个可控的基准测试,用于评估多模态短期太阳辐照度预报中的视觉骨干。该研究固定了整体预报流程,并分离出视觉骨干进行比较,测试了ConvNeXt、Swin Transformer和各种基于Mamba的架构等模型。在Folsom和NREL数据集上的结果表明,虽然所有评估的骨干都优于智能持久性方法,但VMamba Small和Swin Base等特定模型取得了具有竞争力的RMSE值,尽管在NREL分割上智能持久性方法仍然最强。 AI
影响 为比较人工智能驱动的预报应用中的视觉骨干提供了一种标准化方法。
排序理由 介绍新基准测试和模型评估的研究论文。 [lever_c_demoted from research: ic=1 ai=1.0]
- ConvNeXt
- Dilshara Herath
- Folsom
- MambaVision
- National Laboratory of the Rockies
- Swin Transformer
- VmambaSCI: Dynamic Deep Unfolding Network with Mamba for Compressive Spectral Imaging
AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →