研究人员推出了一种新颖的动态融合大语言模型（DF-LLM），旨在改进交通流预测。该模型通过集成时空嵌入模块、利用图卷积的时空融合模块以及采用差异化参数适应策略的大语言模型主干，解决了传统神经网络和现有大语言模型的局限性。此外，还包含一个上下文聚合注意力模块以增强全局依赖性，并采用残差连接来对抗深度网络中的梯度消失。实验结果表明，DF-LLM在四个数据集上的表现优于以往的方法。 AI
影响 这种新的大语言模型架构有望带来更准确的交通预测，从而提高智能交通系统的效率。
排序理由 该集群包含一篇详细介绍新模型架构的研究论文。[lever_c_demoted from research: ic=1 ai=1.0]
- arXiv
- context aggregation attention module
- DF-LLM
- graph convolutional network
- large language model
- LLM backbone
- spatiotemporal embedding module
- spatiotemporal fusion module
AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →
