
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.


coremsg

ein-zeitlich-entkoppeltes-kontrastives-diffusionsmodell-für-die-räumlich-zeitliche-imputation


Ein zeitlich entkoppeltes kontrastives Diffusionsmodell für die räumlich-zeitliche Imputation


title_rewrite


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.


hochskalierbare-räumlich-zeitliche-vorhersage-mit-bayesianischen-neuronalen-feldern


Hochskalierbare räumlich-zeitliche Vorhersage mit Bayesianischen Neuronalen Feldern
