标签
本文介绍了STKAN，一种集成泰勒多项式Kolmogorov-Arnold网络模块以实现空间和时间令牌混合的时空预测架构。在五个交通基准上的实验显示出竞争性表现，表明非线性函数逼近器可以补充架构设计。
本研究开发了一个机器学习框架，利用卫星衍生的环境和生物预测因子，预测葡萄牙海岸的Pseudo-nitzschia有害藻华，在现实约束条件下，使用Extra Trees模型达到了高达0.77的ROC-AUC。
提出了GC-MoE，一种用于交通预测的图条件专家混合框架，该框架根据图拓扑和近期输入为每个节点分配个性化的冻结预训练时空图神经网络专家组合，仅训练一个轻量级路由模块（约1.7万个参数），并在四个基准数据集上取得了有竞争力的性能。