Les derniers résultats du Centre de recherche en sciences urbaines et informatiques, Département de génie électronique, Université Tsinghua « Apprentissage spatio-temporel en quelques étapes via la génération de réseaux neuronaux diffusifs »Acceptée par ICLR2024, cette étude a proposé le modèle GPD (Generative Pre-Trained Diffusion) pour réaliser un apprentissage spatio-temporel dans des scénarios à données rares.

Cet ensemble de données est constitué des données et du code open source de l'article. Les données utilisées pour la formation et l'évaluation peuvent être trouvées dansDonnées de séries chronologiquesTrouvé dans (déjà inclus dans le fichier de semences HyperNeural « Time-series-data »).

Après avoir téléchargé les données, déplacez-les vers ./Data .

Pour chaque ville, l’équipe de recherche a fourni les données suivantes :

• Graph data:Enregistre la matrice d'adjacence du graphe espace-temps.
• Time series data:Enregistrez les données de séquence temporelle de chaque nœud.

L'équipe de recherche fournit deux ensembles de données de séries chronologiques : flux de foule (y compris DC, BM, man) et vitesse de circulation (y compris metr-la, pems-bay, shenzhen, hengdu_m).