arXiv · cs.AI· Joseph Natter·· 11 小时前AI 评分9
GAS-PFN：面向零样本交通预测的图感知时空先验数据拟合网络
GAS-PFN: Graph-Aware Spatiotemporal Prior-Data Fitted Networks for Zero-Shot Traffic Forecasting
来源与原文
arXiv · cs.AI
作者：Joseph Natter
发布时间：（北京时间）
阅读原始来源 · arxiv.org ↗完整链接与内容说明
https://arxiv.org/abs/2610.37598v1
本站目前仅有 AI 导读与摘要，未展示原文正文；技术细节、代码和完整结论请查看原始来源。
AI 导读
研究者提出 GAS-PFN，一种图感知的先验数据拟合网络（PFN），通过随机游走扩散将路网拓扑纳入合成任务先验，实现零样本交通流预测。其推理架构用共享 Transformer 的两次 mask 条件化前向传递，分别建模单传感器时序动态与相邻传感器时空交互。在 90 分钟预测窗口的六个基准上，GAS-PFN 的 MSE 相比 TimePFN 平均降低 34.0%，相比四个工业界通用零样本预测器平均降低 27.7%，且无需参数更新即可适配新网络。
来源：arXiv · cs.AI · arxiv.org