实体
METR-LA
METR-LA
PulseAugur coverage of METR-LA — every cluster mentioning METR-LA across labs, papers, and developer communities, ranked by signal.
总计 · 30天
1
90 天内 2
发布 · 30天
0
90 天内 0
论文 · 30天
1
90 天内 2
层级分布 · 90 天
主题
情绪 · 30 天
1 天有情绪数据
最近 · 第 1/1 页 · 共 2 条
-
新型EMAGN模型通过学习聚类提升交通预测效率
研究人员开发了EMAGN，一种高效多注意力图网络，旨在提高交通预测模型的可扩展性。通过采用学习到的聚类矩阵，EMAGN将自注意力机制的计算和内存复杂度从二次方降低到线性。这项创新使得EMAGN在显著降低训练时间、推理时间和GPU内存占用的同时，能够达到与全注意力模型相当的准确性。该模型的效率使其能够在标准GPU上运行，而更复杂的模型则无法运行，这表明交通预测的可行配置得到了实质性扩展。
-
新的GC-MoE框架通过专门的GNN专家增强交通预测能力
研究人员开发了一个名为GC-MoE的新框架用于交通预测，该框架利用了图神经网络专家混合模型。这种方法允许为每个节点个性化组合冻结的预测专家，以适应局部图拓扑和近期交通数据。该系统仅训练一个小型路由模块，同时利用预训练的专家，在标准基准测试中显示出改进的平均绝对误差。