...
机译:通过正规化的张量分解学习时空潜在的交通因素:抵消缺失的价值和预测
Hamad Bin Khalifa Univ Qatar Comp Res Inst Doha Qatar;
Hamad Bin Khalifa Univ Qatar Comp Res Inst Doha Qatar;
Univ Minnesota Dept Comp Sci Minneapolis MN 55455 USA;
Ericsson Stockholm Sweden;
Hamad Bin Khalifa Univ Qatar Comp Res Inst Doha Qatar;
Univ Minnesota Dept Comp Sci Minneapolis MN 55455 USA;
Univ Minnesota Dept Comp Sci Minneapolis MN 55455 USA;
Roads; Tensile stress; Forecasting; Sensors; Urban areas; Junctions; Real-time systems; Tensor decomposition; regularization; traffic monitoring; traffic forecasting;
机译:基于LSTM和Graph Laplacian正规化矩阵分解的基于LSTM和图的交通状态的实时时空预测和归咎
机译:张量模型的动量合并潜在因子分解,用于时间感知QoS丢失数据预测
机译:基于耦合矩阵张量沉积件的高速公路交通流量缺失数据修复方法
机译:使用聚类对抗矩阵分解对空间数据中的结构化缺失值进行插补
机译:使用张量和耦合矩阵分解的基于上下文的基于建议的学习分析
机译:一种Bregman-近点算法用于鲁棒的非负矩阵分解可能存在缺失值和异常值-在基因表达分析中的应用
机译:通过正规化的张量分解学习时空潜在的交通因素:抵消缺失的价值和预测