PulseAugur
中
实时 01:27:20
English(EN) Do Location Encoders Capture Spatial Effects? A GeoShapley Benchmark Across Scales

新的 GeoShapley 基准测试评估位置编码器捕捉到的空间效应

作者 PulseAugur 编辑部 · [1 个来源] ·

一个名为 GeoShapley 的新基准测试已被开发出来，用于评估机器学习中的位置编码器在多大程度上捕捉到了空间效应。该基准测试在不同尺度（网格、县、全球）和条件下测试了 TorchSpatial 框架中的十一个编码器。结果表明，虽然主要系数恢复率一直很高，但次要系数恢复率更具尺度依赖性，原始坐标仍然具有竞争力。 AI

影响 提供了一个评估机器学习模型空间理解能力的新工具，有可能改进地理数据表示。

排序理由 一篇在 arXiv 上发表的研究论文，详细介绍了一个用于评估机器学习中位置编码器的新基准测试。[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 →

新的 GeoShapley 基准测试评估位置编码器捕捉到的空间效应

报道来源 [1]

  1. arXiv cs.LG TIER_1 English(EN) · Daniel Kiv, Shaowen Wang ·

    位置编码器能捕捉空间效应吗？跨尺度的 GeoShapley 基准测试

    arXiv:2606.23453v2 Announce Type: replace Abstract: Location encoders transform geographic coordinates into high dimensional embeddings for downstream machine learning, but it is unclear how well these representations capture interpretable spatial effects. We benchmark whether Ge…

相关实体

相关话题