arXiv 人工智能· Chengyang Zhou, Zijian Zhang, Hao Miao, Chunxu Zhang, Ziming Liu, Chao Tang, Juncheng Hu, Irwin King·· 5 小时前AI 评分32
M²Net：结合尺度特异性结构与原型分解的时空预测框架
$M^2Net$: Unifying Scale-Specific Structures and Prototype Decomposition for Spatial-Temporal Forecasting
AI 导读
研究人员提出名为 M²Net（多尺度掩码注意力与原型网络）的新框架，用于解决时空预测中粒度依赖与信号纠缠的问题。该方法通过多尺度掩码注意力动态生成自适应空间掩码，以区分微观物理邻近与宏观功能关联，并结合原型残差学习模块从动量更新的原型库中分离全局共享模式与节点特异偏差。真实数据集上的实验表明，M²Net 性能超越了 SOTA 基线模型。
来源：arXiv 人工智能 · arxiv.org