面向序列数据分析的深度学习模型

数据派THU

共 365字,需浏览 1分钟

 · 2022-12-17

来源:专知

本文为报告分享,建议阅读5分钟

本报告将介绍时空预测学习的基础模型与学习算法,重点介绍时空特征统一建模、时空运动分解建模、复杂时序平稳化建模等关键技术,并介绍冬奥会场馆气象预报等成功的落地应用。


报告题目:深度预测学习:模型与应用

报告摘要:时空数据分布于连续空间,并且随着时间动态变化,具有复杂的模式规律,在强对流天气预报、交通流量预测和智能体环境建模等领域都有着重要的应用。时空数据存在时间上的非平稳性和空间上的高维相关性两大技术特性,给现有的机器学习方法带来严峻的挑战。本报告将介绍时空预测学习的基础模型与学习算法,重点介绍时空特征统一建模、时空运动分解建模、复杂时序平稳化建模等关键技术,并介绍冬奥会场馆气象预报等成功的落地应用。

https://www.guet.edu.cn/ccdm2022/jqxxqy.html



浏览 13
点赞
评论
收藏
分享

手机扫一扫分享

举报
评论
图片
表情
推荐
点赞
评论
收藏
分享

手机扫一扫分享

举报