摘要
本公开实施例中提供了一种自适应迁移多个城市知识的细粒度城市流量推断方法,属于数据处理技术领域,具体包括:利用城市特征提取网络提取粗粒度城市流量图中每个源城市对应的初始时空特征;将全部初始时空特征输入自适应特征融合模块,得到每个源城市对应的最优时空特征,以及,计算总城市特定特征损失和总城市不变特征损失;分别将每个源城市的最优时空特征和语义变量输入上采样模块,得到每个源城市的预测城市流量图并据此计算伪Huber损失;得到总损失函数并据此训练细粒度城市流量推断模型;将目标城市的粗粒度时空流量图输入细粒度城市流量推断模型,得到细粒度城市流量图。通过本公开的方案,提高了推断效率、精准度和泛化能力。
技术关键词
特征学习模型
特征提取网络
多层感知器
推断方法
令牌
语义特征
上采样
采样模块
数据处理技术
分类器
变量
注意力机制
表达式
矩阵
超参数
线性
聚类
系统为您推荐了相关专利信息
微表情识别
人脸微表情
计算机可执行指令
纹理
特征提取网络
通用触发器
预训练语言模型
强化学习框架
标签
后门
模型优化方法
网络模块
编码向量
网络基础架构
令牌
图像分割模型
图像分割方法
图像嵌入
编码特征
多尺度特征
植物种类识别方法
视觉特征
特征提取网络
卫星遥感影像
预测特征