PulseAugur
实时 07:47:40
实体 ST-LSTM: A Deep Learning Approach Combined Spatio-Temporal Features for Short-Term Forecast in Rail Transit

ST-LSTM: A Deep Learning Approach Combined Spatio-Temporal Features for Short-Term Forecast in Rail Transit

PulseAugur coverage of ST-LSTM: A Deep Learning Approach Combined Spatio-Temporal Features for Short-Term Forecast in Rail Transit — every cluster mentioning ST-LSTM: A Deep Learning Approach Combined Spatio-Temporal Features for Short-Term Forecast in Rail Transit across labs, papers, and developer communities, ranked by signal.

Show in brief
总计 · 30天
1
90 天内 1
发布 · 30天
0
90 天内 0
论文 · 30天
1
90 天内 1
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 1 条
  1. TOOL · CL_252096 ·

    VertiFuseX:新型LSTM架构提升金融预测准确性

    研究人员开发了VertiFuseX,一种专为更通用金融预测设计的新型深度学习架构。这种混合LSTM模型利用了多尺度时序表示的独特倒数第二层垂直融合,这些表示来自不同的LSTM分支和一个并行的DNN流。与15年内10个全球股指的基线模型相比,VertiFuseX在准确性方面表现出显著提升,MAPE降低了30-54%,MAE和RMSE提高了40%以上。该模型还以其轻量级设计而闻名,内存占用小,推理速度快,适合部署。