MLPST：用于时空预测的纯多层感知机架构
机器学习
2023-09-26 v1 人工智能
摘要
交通预测是一项典型的时空数据挖掘任务，对公共交通系统具有重要意义。考虑到其广泛应用需求，我们认识到理想时空预测方法的关键因素：高效、轻量且有效。然而，当前基于深度模型的时空预测方案通常具有复杂架构与繁琐优化，难以满足这些期望。为实现上述目标，我们提出了一个直观而新颖的框架MLPST，一种用于交通预测的纯多层感知机架构。具体而言，我们首先从局部和全局感受野捕获空间关系。然后综合考虑不同间隔的时间依赖性。通过紧凑快速的MLP处理，MLPST能良好捕获时空依赖性，同时仅需线性计算复杂度，以及比基线低一个数量级以上的模型参数。大量实验验证了MLPST相较先进基线在有效性和效率上的优越性能，且在具有最优精度的模型中，MLPST实现了最佳的时间与空间效率。
引用
@article{arxiv.2309.13363,
title = {MLPST: MLP is All You Need for Spatio-Temporal Prediction},
author = {Zijian Zhang and Ze Huang and Zhiwei Hu and Xiangyu Zhao and Wanyu Wang and Zitao Liu and Junbo Zhang and S. Joe Qin and Hongwei Zhao},
journal= {arXiv preprint arXiv:2309.13363},
year = {2023}
}