研究人员推出STM3，一个新颖的专家混合（Mixture-of-Experts）框架，旨在增强长期时空时间序列预测能力。该方法集成了多尺度Mamba架构与解耦专家混合（Disentangled Mixture-of-Experts, DMoE），以有效捕捉多样化的多尺度信息。STM3还采用自适应图因果网络来建模复杂的空间依赖性，并使用具有因果对比学习的稳定路由策略来实现鲁棒表示。在十个真实世界基准数据集上的实验表明，STM3取得了最先进的成果，在PEMSD8等数据集上显著优于先前模型。 AI
影响 提升了复杂时间序列预测的能力，可能改进气候建模和交通预测等领域的应用。
排序理由 该集群包含一篇详细介绍新模型及其在基准测试中表现的研究论文。[lever_c_demoted from research: ic=1 ai=1.0]
AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →