로그인
통찰 - 시공간 예측
공간-시간 분리 마스크 사전 학습을 통한 시공간 예측
시공간 데이터의 공간적 및 시간적 이질성을 효과적으로 학습하여 다운스트림 예측기의 성능을 향상시킬 수 있는 새로운 사전 학습 프레임워크를 제안한다.
저차원 적응을 통한 시공간 예측 향상
기존 시공간 예측 모델의 노드 이질성 문제를 해결하기 위해 저차원 적응 기법을 제안하여 성능을 향상시킴
개인화된 연합 학습을 통한 시공간 예측: 이중 의미 정렬 기반 대조 학습 접근법
본 연구는 시공간 이질성을 효과적으로 모델링하기 위해 의미 유사성에 기반한 동적 음의 쌍 정렬 기법과 클라이언트 맞춤형 전역 프로토타입 생성 기법을 제안한다.
공정성 있는 시공간 그래프 학습: 협력적 샘플 수준 최적화를 통한 성능 이질성 해결
본 연구는 시공간 데이터의 성능 이질성 문제를 해결하기 위해 협력적 샘플 수준 최적화 기반의 공정성 있는 시공간 그래프 학습 프레임워크를 제안한다.
통합 모델을 통한 임의의 수정 가능한 지역 단위에 대한 시공간 예측 쿼리
본 연구는 단일 모델을 통해 임의의 수정 가능한 지역 단위에 대한 시공간 예측을 수행하는 One4All-ST 프레임워크를 제안한다. 이를 위해 계층적 공간 모델링과 스케일 정규화 모듈을 활용하여 효율적이고 균등하게 다중 스케일 표현을 학습하고, 동적 프로그래밍 기법을 통해 최적의 조합 문제를 해결하여 예측 오류를 최소화한다.
