CoMemNet：面向演化交通传感器网络的持续记忆预测方法

Mei Wu 等作者提交论文预印本，提出 CoMemNet——一种面向演化交通传感器网络的持续记忆网络，用于在传感器网络持续变化的情况下做高效交通预测。 该方法由三部分组成：Online 分支适应当前时段，EMA Target 分支提供稳定特征参考，基于 Wasserstein 的 Drift Sampler 筛选少量漂移敏感节点进行更新。上述内容来自作者在论文中的自述，尚未见独立验证。

AI 根据报道生成 · 1 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。