新框架以超过97%的准确率预测公共事件

研究人员推出了一种新颖的深度学习框架 auto-ibDLM，用于预测公共事件的演化。该框架将事件建模为动态交互网络，并通过结合网络科学指标和自动学习层来预测未来参与者增长。然后，基于 GRU 的模块捕获时间依赖性以进行准确预测。在 13 个真实数据集上进行的实验表明，auto-ibDLM 的准确率超过 97%，在预测和泛化能力方面优于现有方法。 AI

影响 通过实现更准确的公共事件预测，该框架可以改善各种现实场景中的主动风险管理和资源分配。

排序理由 该项目是一篇研究论文，详细介绍了新框架及其实验验证。[lever_c_demoted from research: ic=1 ai=1.0]

在 arXiv cs.AI 阅读 →

• alphaXiv
• arXiv
• auto-ibDLM
• CatalyzeX
• DagsHub
• gated recurrent unit
• Gotit.pub
• Hugging Face
• ScienceCast

• 论文
• 其他

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