多模态数据融合如何进行时空序列建模

文章预览

今年的各大顶会上，有关时序与时空数据的研究非常活跃。 我们知道传统的时间序列数据是单变量或多变量的数据点序列。 而时空数据在此基础上增加了空间维度，提供了更丰富的上下文信息，进而能从更多角度理解和预测数据所代表的现象。 并且，经典的时序研究方向依然能在2024年发顶会。比如：时序 预测、时空数据插补、异常检测、分类和聚类、模式识别、因果分析、多模态数据融合等等。 时序的赛道这么拥挤，大佬还是能发出paper。他们的创新思路就非常值得我们学习了。甚至能跟着大佬的步伐也冲个顶会。 本文总结了2024年7个顶会（ICLR / ICML / AAAI / IJCAI / WWW / ICDE / SIGMOD）中99篇有关时间序列和时空数据的最新论文，以及开源代码。 无偿分享给大家，欢迎扫码获取。 扫码领99篇24年最新时序顶会论文 而随着深度学习和自监督预训练方法 ………………………………