标签
AdaST 提出了一种自适应时空预测框架，利用异构感知专家将输入分解为具有不同耦合机制的组成部分，再通过一个考虑相关性的模块进行重组，从而在交通、气候和能源预测任务上超越了最先进的基线方法。
本文介绍了一种基于 reinforcement learning 的方法，用于在混合域分解模拟中自适应选择全阶模型（FOMs）和降阶模型（ROMs），使用 deep Q-networks 来平衡瞬态问题中的精度和成本。