位置采集和无线通信技术的进步使得时空(ST)数据的可用性更加广泛。深度神经网络(DNNs)已成功地应用于各种问题,如计算机视觉、语音识别、自然语言理解。与这些领域不同,ST数据具有独特的空间属性(即地理层次和距离)和时间属性(即紧密程度、时期和趋势)。同时获得所有这些ST特性是非常具有挑战性的。

成为VIP会员查看完整内容
64

相关内容

《元强化学习》最新,70页ppt
专知会员服务
44+阅读 · 9月16日
《自监督学习》最新报告,45页ppt
专知会员服务
46+阅读 · 9月14日
【SIGIR2021】自然语言处理图深度学习,230页ppt
专知会员服务
85+阅读 · 2021年7月23日
【NAACL2021】长序列自然语言处理, 250页ppt
专知会员服务
56+阅读 · 2021年6月7日
最新《自监督表示学习》报告,70页ppt
专知会员服务
71+阅读 · 2020年12月22日
最新《深度卷积神经网络理论》报告,35页ppt
专知会员服务
41+阅读 · 2020年11月30日
【PKDD2020教程】机器学习不确定性,附88页ppt与视频
专知会员服务
82+阅读 · 2020年10月18日
少标签数据学习,54页ppt
专知会员服务
171+阅读 · 2020年5月22日
【KDD2020】图神经网络:基础与应用,322页ppt
计算机视觉中深度迁移学习,165页PPT
专知
17+阅读 · 2019年8月18日
【AIDL专栏】陶建华:深度神经网络与语音(附PPT)
人工智能前沿讲习班
12+阅读 · 2018年7月6日
【人工智能】180页PPT,讲解人工智能技术与产业发展
计算机视觉专题分享总结(附PPT)
机器学习读书会
37+阅读 · 2017年7月6日
国家自然科学基金
0+阅读 · 2015年12月31日
国家自然科学基金
0+阅读 · 2013年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2011年12月31日
国家自然科学基金
2+阅读 · 2011年12月31日
国家自然科学基金
0+阅读 · 2011年12月31日
国家自然科学基金
0+阅读 · 2011年12月31日
国家自然科学基金
0+阅读 · 2009年12月31日
国家自然科学基金
0+阅读 · 2009年12月31日
Arxiv
19+阅读 · 2021年1月14日
Deformable Style Transfer
Arxiv
11+阅读 · 2020年3月24日
VIP会员
相关VIP内容
《元强化学习》最新,70页ppt
专知会员服务
44+阅读 · 9月16日
《自监督学习》最新报告,45页ppt
专知会员服务
46+阅读 · 9月14日
【SIGIR2021】自然语言处理图深度学习,230页ppt
专知会员服务
85+阅读 · 2021年7月23日
【NAACL2021】长序列自然语言处理, 250页ppt
专知会员服务
56+阅读 · 2021年6月7日
最新《自监督表示学习》报告,70页ppt
专知会员服务
71+阅读 · 2020年12月22日
最新《深度卷积神经网络理论》报告,35页ppt
专知会员服务
41+阅读 · 2020年11月30日
【PKDD2020教程】机器学习不确定性,附88页ppt与视频
专知会员服务
82+阅读 · 2020年10月18日
少标签数据学习,54页ppt
专知会员服务
171+阅读 · 2020年5月22日
相关基金
国家自然科学基金
0+阅读 · 2015年12月31日
国家自然科学基金
0+阅读 · 2013年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2011年12月31日
国家自然科学基金
2+阅读 · 2011年12月31日
国家自然科学基金
0+阅读 · 2011年12月31日
国家自然科学基金
0+阅读 · 2011年12月31日
国家自然科学基金
0+阅读 · 2009年12月31日
国家自然科学基金
0+阅读 · 2009年12月31日
微信扫码咨询专知VIP会员