כתבה
arXiv cs.AI ·
CoMemNet: רשת זיכרון רציפה עם סינטזה-מודעת-לדריף לתחזית תנועה
CoMemNet: A Continual Memory Network with Drift-Aware Sampling for Traffic Prediction
מודל תחזית תנועה המתאים לרשתות מוניטורים שהולכות ומשתנות. המאמר CoMemNet מציג רשת זיכרון רציפה שמשתמשת בסינטזה-מודעת-לדריף לבחור נקודות עדכון נבחרות. המודל CoMemNet נבדק על שלושה קבצי נתונים PeMS והתוצאות הראו שהוא מציג דיוק וצריכת משאבים טובים.
תקציר מקורי באנגליתarXiv:2605.05738v2 Announce Type: replace-cross Abstract: Traffic sensor networks evolve as sensors are added and traffic distributions change, whereas most forecasting models assume a fixed node set and repeatedly retrain on all available data. We propose CoMemNet, a Continual Memory Network for efficient prediction over evolving traffic sensor networks. CoMemNet uses an Online branch to adapt to the current period and an exponential-moving-average Target branch as a stable feature reference. A Wasserstein-based Drift Sampler compares node-wise Online-Target feature distributions and selects a limited set of drift-sensitive nodes for updating. A lightweight Node-Adaptive Temporal Memory Replay Buffer (TMRB-N) retains compact temporal states without repeatedly traversing all historical tra
קרא במקור המקורי
arxiv.org
פתח כתבה מקורית