热点事件持续更新
研究人员提出解耦时空时间序列预测网络DST-Net
1 篇报道1 个报道来源3 小时前更新
先了解这件事
AI 综述
2026年10月16日，研究人员在arXiv上公布了用于时间序列预测的解耦时空网络DST-Net。该模型针对不同的序列成分采用差异化建模策略：在趋势分支中设计了Latent Graph Block，以捕捉全局拓扑依赖与协同运动；在季节性分支中则引入高斯多尺度注意力机制，利用可学习的高斯先验聚焦多粒度局部上下文并滤除噪声。多项真实基准实验验证了DST-Net的有效性。
AI 根据报道生成 · 3 小时前更新
最新进展10月16日 12:00
研究人员提出解耦时空网络DST-Net，通过差异化建模提升时间序列预测效果。报道时间线
沿着报道，了解事件的不同侧面。
10月16日
- arXiv 机器学习DST-Net：用于时间序列预测的解耦时空网络
研究人员提出用于时间序列预测的解耦时空网络 DST-Net，针对不同序列成分采用差异化建模策略。该架构在趋势分支设计 Latent Graph Block 捕捉全局拓扑依赖与协同运动，并在季节性分支引入高斯多尺度注意力机制，利用可学习高斯先验聚焦多粒度局部上下文并滤除噪声。多项真实基准实验验证了该模型的有效性。
本事件热度走势
还没有足够的连续观测数据，暂不绘制趋势。