Quo Vadis 团队在 Traffic4cast 2019 上的提交方案
计算机视觉与模式识别
2019-10-29 v1 机器学习
机器学习
摘要
我们描述了 Quo Vadis 团队在 Traffic4cast 竞赛中的提交方案，该竞赛作为 NeurIPS 2019 系列挑战赛的一部分组织。我们的系统由一个时间回归模块组成，实现为 的二维卷积，并增强了时空偏置。我们发现使用偏置是一种直接且高效的方式来纳入季节模式并提升时间回归模型的性能。我们的实现在测试数据上获得了 的均方误差，使我们在团队排名中位列第八。我们还展示了将空间相关性纳入模型的尝试；然而，与我们的预期相反，添加此类辅助信息并未使主系统受益。我们的代码可在 https://github.com/danoneata/traffic4cast 获取。
引用
@article{arxiv.1910.12363,
title = {The Quo Vadis submission at Traffic4cast 2019},
author = {Dan Oneata and Cosmin George Alexandru and Marius Stanescu and Octavian Pascu and Alexandru Magan and Adrian Postelnicu and Horia Cucu},
journal= {arXiv preprint arXiv:1910.12363},
year = {2019}
}
备注
Extended abstract for the Traffic4cast competition from NeurIPS 2019