論文の概要: PromptST: Prompt-Enhanced Spatio-Temporal Multi-Attribute Prediction
- arxiv url: http://arxiv.org/abs/2309.09500v1
- Date: Mon, 18 Sep 2023 05:57:12 GMT
- ステータス: 処理完了
- システム内更新日: 2023-09-19 15:02:42.634069
- Title: PromptST: Prompt-Enhanced Spatio-Temporal Multi-Attribute Prediction
- Title（参考訳）: promptst: 迅速エンハンス型時空間多分布予測
- Authors: Zijian Zhang, Xiangyu Zhao, Qidong Liu, Chunxu Zhang, Qian Ma, Wanyu
Wang, Hongwei Zhao, Yiqi Wang and Zitao Liu
- Abstract要約: 本稿では,マルチテンポラルマルチ属性予測であるPromptSTSTを提案する。
我々は,時間的特性の異なる共通知識に対処するために,時間的変換器とパラメータ共有学習手法を考案した。
また,Pmptが時間的特性に優れた転送性を持っていることを証明し,都市コンピューティングに有望な可能性をもたらす。
- 参考スコア（独自算出の注目度）: 34.99158564028393
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: In the era of information explosion, spatio-temporal data mining serves as a
critical part of urban management. Considering the various fields demanding
attention, e.g., traffic state, human activity, and social event, predicting
multiple spatio-temporal attributes simultaneously can alleviate regulatory
pressure and foster smart city construction. However, current research can not
handle the spatio-temporal multi-attribute prediction well due to the complex
relationships between diverse attributes. The key challenge lies in how to
address the common spatio-temporal patterns while tackling their distinctions.
In this paper, we propose an effective solution for spatio-temporal
multi-attribute prediction, PromptST. We devise a spatio-temporal transformer
and a parameter-sharing training scheme to address the common knowledge among
different spatio-temporal attributes. Then, we elaborate a spatio-temporal
prompt tuning strategy to fit the specific attributes in a lightweight manner.
Through the pretrain and prompt tuning phases, our PromptST is able to enhance
the specific spatio-temoral characteristic capture by prompting the backbone
model to fit the specific target attribute while maintaining the learned common
knowledge. Extensive experiments on real-world datasets verify that our
PromptST attains state-of-the-art performance. Furthermore, we also prove
PromptST owns good transferability on unseen spatio-temporal attributes, which
brings promising application potential in urban computing. The implementation
code is available to ease reproducibility.
- Abstract（参考訳）: 情報爆発の時代には、時空間データマイニングが都市管理の重要な役割を担っている。
交通状況、人的活動、社会イベントなどの注意を要する様々な分野を考慮すると、複数の時空間特性を同時に予測することは規制圧力を緩和し、スマートシティの構築を促進することができる。
しかし, 多様な属性間の複雑な関係のため, 時空間多属性予測はうまく処理できない。
主な課題は、それらの区別に対処しながら、一般的な時空間パターンにどのように対処するかである。
本稿では,時空間多属性予測であるPromptSTの有効解を提案する。
時空間変換器とパラメータ共有学習方式を考案し,時空間特性の異なる共通知識に対処する。
次に,特定属性を軽量に適合させる時空間的プロンプトチューニング戦略について述べる。
プリトレインとプロンプトのチューニングフェーズを通じて,学習した共通知識を維持しつつ,バックボーンモデルに特定のターゲット属性を適合させるように促すことにより,プロンプトストは特定の時空間的特性のキャプチャを向上させることができる。
実世界のデータセットに関する広範な実験は、プロンプトが最先端のパフォーマンスを達成することを検証します。
さらに,PromptSTは時空間特性に優れた転送性を持っていることを証明し,都市コンピューティングに有望な可能性をもたらす。
実装コードは再現性を簡単にするために利用できる。
関連論文リスト
- EasyST: A Simple Framework for Spatio-Temporal Prediction [18.291117879544945]
本稿では,時空間予測のための簡単なフレームワークであるEasySTパラダイムを提案する。
複雑な時間的GNNからの知識を蒸留することにより、軽量で堅牢なマルチ層パーセプトロン(MLP)の一般化を学習する。
EasySTは、効率と精度の点で最先端のアプローチを超越している。
論文 参考訳（メタデータ） (2024-09-10T11:40:01Z) - Language Model Empowered Spatio-Temporal Forecasting via Physics-Aware Reprogramming [13.744891561921197]
本研究では,事前学習言語モデル(PLM)の推論と一般化能力を利用して,複雑な時間的予測を行うことを目的とする。
本稿では,時間予測に適した物理対応 PLM 再プログラミングフレームワーク RePST を提案する。
提案したRePSTは,特にデータスカースシナリオにおいて,12の最先端のベースライン手法より優れていることを示す。
論文 参考訳（メタデータ） (2024-08-24T07:59:36Z) - UrbanGPT: Spatio-Temporal Large Language Models [34.79169613947957]
本稿では,時空間エンコーダと命令調整パラダイムをシームレスに統合するUrbanPTを提案する。
我々は、様々な公開データセットに対して広範囲な実験を行い、異なる時間的予測タスクをカバーした。
結果は、慎重に設計されたアーキテクチャを持つUrbanPTが、最先端のベースラインを一貫して上回っていることを一貫して示しています。
論文 参考訳（メタデータ） (2024-02-25T12:37:29Z) - D$^2$ST-Adapter: Disentangled-and-Deformable Spatio-Temporal Adapter for Few-shot Action Recognition [60.84084172829169]
大規模な事前訓練された画像モデルに数発のアクション認識を適用することは、ロバストな特徴抽出器を学習するための効果的な戦略であることが証明されている。
D$2$ST-Adapter (Disentangled-and-Deformable Spatio-Temporal Adapter) は,アクション認識に適した新しいチューニングフレームワークである。
論文 参考訳（メタデータ） (2023-12-03T15:40:10Z) - Spatio-Temporal Branching for Motion Prediction using Motion Increments [55.68088298632865]
HMP(Human Motion Prediction)はその多種多様な応用により、人気のある研究トピックとして浮上している。
従来の手法は手作りの機能と機械学習技術に依存している。
HMPのためのインクリメンタル情報を用いた時空間分岐ネットワークを提案する。
論文 参考訳（メタデータ） (2023-08-02T12:04:28Z) - OpenSTL: A Comprehensive Benchmark of Spatio-Temporal Predictive
Learning [67.07363529640784]
提案するOpenSTLは,一般的なアプローチを再帰的モデルと再帰的モデルに分類する。
我々は, 合成移動物体軌道, 人間の動き, 運転シーン, 交通流, 天気予報など, さまざまな領域にわたるデータセットの標準評価を行う。
リカレントフリーモデルは、リカレントモデルよりも効率と性能のバランスが良いことがわかった。
論文 参考訳（メタデータ） (2023-06-20T03:02:14Z) - On the Role of Attention in Prompt-tuning [90.97555030446563]
本研究では,一層アテンションアーキテクチャのプロンプトチューニングについて検討し,文脈混合モデルについて検討する。
ソフトマックス・プロンプト・アテンションは, ソフトマックス・自己アテンションやリニア・プロンプト・アテンションよりも明らかに表現力が高いことを示す。
また、実際のデータセットに関する理論的洞察を検証し、モデルが文脈関連情報にどのように対応できるかを示す実験も提供する。
論文 参考訳（メタデータ） (2023-06-06T06:23:38Z) - Deeply-Coupled Convolution-Transformer with Spatial-temporal
Complementary Learning for Video-based Person Re-identification [91.56939957189505]
本稿では,高性能ビデオベース Re-ID のための新しい時空間補完学習フレームワークである Deeply-Coupled Convolution-Transformer (DCCT) を提案する。
私たちのフレームワークは、ほとんどの最先端のメソッドよりも優れたパフォーマンスを実現できます。
論文 参考訳（メタデータ） (2023-04-27T12:16:44Z) - BASM: A Bottom-up Adaptive Spatiotemporal Model for Online Food Ordering
Service [7.088699796818076]
オンライン注文サービス(オンライン注文サービス、英: Online-Ordering Service、FOS)は、ユーザーが望むものを注文するのを助ける位置情報ベースのサービスである。
本稿では、異なる時間的データ分布に適応的に適合する新しい適応モデル(StemporalM)を提案する。
また,BASMの有効性を検証するために,TAUC(Time- period-wise AUC)とCAUC(City-wise AUC)の2つの新しい指標を導入した。
論文 参考訳（メタデータ） (2022-11-22T06:08:57Z) - An Enhanced Adversarial Network with Combined Latent Features for
Spatio-Temporal Facial Affect Estimation in the Wild [1.3007851628964147]
本稿では,遅延特徴に基づく時間的モデリングにより,空間的特徴と時間的特徴の両方を効率的に抽出する新しいモデルを提案する。
提案モデルは3つの主要ネットワークから成り,造語生成器,判別器,コンビネータを用いて,適応型アテンションモジュールを実現するために,敵対的な学習環境において訓練を行う。
論文 参考訳（メタデータ） (2021-02-18T04:10:12Z)
関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。
指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。