Das vorgeschlagene C2TSD-Modell verwendet eine bedingte Diffusion, die disentangelte zeitliche Darstellungen und räumliche Beziehungen als bedingte Informationen nutzt, um fehlende Werte in räumlich-zeitlichen Datensätzen effektiv vorherzusagen.
Bayesianische Neuronale Felder (BayesNF) sind ein neuartiges statistisches Modell, das die Skalierbarkeit tiefer neuronaler Netze mit den attraktiven Eigenschaften von Gauß-Prozessen kombiniert, um komplexe räumlich-zeitliche Datensätze effizient zu modellieren und vorherzusagen.