PRISM：自适应多视图城市表征学习框架
热点事件持续更新
PRISM：自适应多视图城市表征学习框架
1 篇报道1 个报道来源10 小时前更新
先了解这件事
AI 综述
Sean Bin Yang 等作者提出 PRISM 自适应多视图学习框架，用稀疏 MoE 路由为不同城市区域分配视图权重，并以受 PID 启发的调节机制缓解多目标优化中的梯度冲突。作者称，城市数据存在模态效用随区域变化、异构目标梯度长期失衡两大结构性问题。 在三个大规模城市数据集上，PRISM 性能与强多视图基线相当，同时优化更稳定、区域表示更均衡。
AI 根据报道生成 · 45 分钟前更新
最新进展10月26日 12:00
PRISM：面向城市区域表示学习的自适应多视图融合框架报道时间线
沿着报道，了解事件的不同侧面。
10月26日
- arXiv cs.AIPRISM：面向城市区域表示学习的自适应多视图融合框架
PRISM 是一个自调整的多视图学习框架，用稀疏 MoE 路由学习区域专属的视图分配，并以受 PID 启发的调节机制缓解优化中的梯度冲突。研究指出城市数据存在模态效用随区域变化、异构目标梯度长期失衡两大结构性问题。在三个大规模城市数据集上，PRISM 性能与强多视图基线相当，同时优化更稳定、区域表示更均衡。
本事件热度走势
还没有足够的连续观测数据，暂不绘制趋势。