TEGER：测试时残差协方差校正交通预测
热点事件持续更新
TEGER：测试时残差协方差校正交通预测
1 篇报道1 个报道来源4 小时前更新
先了解这件事
AI 综述
Seyed Mohamad Moghadas 等作者发表论文，提出 TEGER 残差协方差模型，通过闭式更新在测试时保持交通预测器的联合预测不确定性，无需重新训练。模型利用固定传感器图提供低维空间精度因子，并用高斯条件化与指数移动平均波动率项校正预测均值和协方差。 在四个交通数据集上，该方法改善了 60 分钟 CRPS_sum；应用于冻结的时序基础模型 Chronos 时，CRPS_sum 从 0.1798 降至 0.1736。
AI 根据报道生成 · 1 小时前更新
最新进展10月5日 12:00
TEGER：用时空协方差实现概率交通预测的测试时校正报道时间线
沿着报道，了解事件的不同侧面。
10月5日
- arXiv：cs.LGTEGER：用时空协方差实现概率交通预测的测试时校正
TEGER 是一种残差协方差模型，通过闭式更新在测试时保持交通预测器的联合预测不确定性，无需重新训练。它利用固定传感器图提供低维空间精度因子，并用高斯条件化与指数移动平均波动率项校正预测均值和协方差。在四个交通数据集上，该方法改善了 60 分钟 CRPS_sum；应用于冻结的时序基础模型 Chronos 时，CRPS_sum 从 0.1798 降至 0.1736。
本事件热度走势
还没有足够的连续观测数据，暂不绘制趋势。