Die neuesten Ergebnisse des Zentrums für Stadtwissenschaft und Computerforschung, Abteilung für Elektrotechnik, Tsinghua-Universität „Räumlich-zeitliches Lernen mit wenigen Treffern durch die Generierung diffuser neuronaler Netzwerke“Diese von ICLR2024 angenommene Studie schlug das GPD-Modell (Generative Pre-Trained Diffusion) vor, um räumlich-zeitliches Lernen in Szenarien mit spärlichen Daten zu erreichen.

Dieser Datensatz enthält die Open-Source-Daten und den Code des Dokuments. Die für Training und Evaluation verwendeten Daten finden Sie inZeitreihendatenGefunden in (bereits in der HyperNeural-Seed-Datei „Zeitreihendaten“ enthalten).

Nachdem Sie die Daten heruntergeladen haben, verschieben Sie sie nach ./Data .

Für jede Stadt stellte das Forschungsteam die folgenden Daten zur Verfügung:

• Graph data: Zeichnet die Adjazenzmatrix des Raum-Zeit-Diagramms auf.
• Time series data: Zeichnen Sie die Zeitsequenzdaten jedes Knotens auf.

Das Forschungsteam stellt zwei Zeitreihen-Datensätze bereit: Menschenmengenfluss (einschließlich DC, BM, man) und Verkehrsgeschwindigkeit (einschließlich metr-la, pems-bay, shenzhen, hengdu_m).