機率預測

深度分析

Teger：用曲率感知邊權與低秩＋對角協方差的機率性時空殘差建模

交通預測常見殘差在時空網路上累積擴散，導致長期預測退化。本文提出Teger，一個將曲率感知邊權重新加權並結合低秩加對角噪聲頭的概率性框架，能在不改變拓樸下強化瓶頸邊資訊流並保留Woodbury式可解推論。實驗顯示在多種骨幹模型與資料集上提升了概率預測的CRPS。