神经 Tucker 卷积网络用于水质分析
机器学习
2025-12-09 v2
摘要
水质监测是生态环境保护的核心组成部分。然而，由于传感器故障或其他不可避免因素，长期监测数据中常常存在缺失问题，这给水质分析提出了巨大挑战。本文提出一种 Neural Tucker Convolutional Network (NTCN) 模型用于水质数据插值，其关键组件包括：a) 对不同模式实体进行嵌入编码，通过外积运算构建 Tucker 相互作用张量，以捕获复杂的模式间特征相互作用；b) 使用 3D 卷积从相互作用张量中提取细粒度时空特征。在三个真实世界水质数据集上的实验表明，所提出的 NTCN 模型在准确性方面优于多个最先进的插值模型。
引用
@article{arxiv.2512.01465,
title = {Neural Tucker Convolutional Network for Water Quality Analysis},
author = {Hongnan Si and Tong Li and Yujie Chen and Xin Liao},
journal= {arXiv preprint arXiv:2512.01465},
year = {2025}
}
备注
8 pages, 1 figure