即插即用，快速适配！港大FlashST：简单通用的智慧交通时空预测模型 | ICML 2024

AIGC动态欢迎阅读

原标题：即插即用，快速适配！港大FlashST：简单通用的智慧交通时空预测模型 | ICML 2024
关键字：时空,模型,数据,上下文,下游
文章来源：新智元
内容字数：0字

内容摘要：

新智元报道编辑：LRT
【新智元导读】华南理工大学和香港大学的研究人员在ICML 2024上提出了一个简单而通用的时空提示调整框架FlashST，通过轻量级的时空提示网络和分布映射机制，使预训练模型能够适应不同的下游数据集特征，显著提高了模型在多种交通预测场景中的泛化能力。交通预测的目标是准确预测和分析城市未来的交通模式，这一过程需要同时考虑时间和空间因素。
然而，分布偏移的存在在这一领域构成了一个重大挑战，因为现有模型在面对与训练分布显著不同的测试数据时，往往难以很好地泛化。
为了解决这个问题，华南理工大学、香港大学的研究人员提出了一个简单而通用的时空提示调整框架FlashST，能够使预训练模型适应于不同下游数据集的特定特征，提高了其在多种预测场景中的泛化能力。代码地址:https://github.com/HKUDS/FlashST
论文地址:https://arxiv.org/abs/2405.17898
具体来说，所提出的的FlashST框架采用了一个轻量级的时空提示网络进行上下文学习，捕捉时空不变知识，并有效地适应不同场景。
此外，文中还引入了一个分布映射机制，对齐预训练和

原文链接：即插即用，快速适配！港大FlashST：简单通用的智慧交通时空预测模型 | ICML 2024

联系作者

文章来源：新智元
作者微信：AI_era
作者简介：智能+中国主平台，致力于推动中国从互联网+迈向智能+新纪元。重点关注人工智能、机器人等前沿领域发展，关注人机融合、人工智能和机器人革命对人类社会与文明进化的影响，领航中国新智能时代。