
-
生物通官微
陪你抓住生命科技
跳动的脉搏
TrajLM:稀疏路网中用于统一轨迹学习的可迁移移动模式蒸馏
《Proceedings of the ACM on Interactive, Mobile, Wearable and Ubiquitous Technologies》:TrajLM: Transferable Mobility Pattern Distillation for Unified Trajectory Learning in Sparse Road Networks
【字体: 大 中 小 】 时间:2026年08月28日 来源:Proceedings of the ACM on Interactive, Mobile, Wearable and Ubiquitous Technologies
编辑推荐:
摘要AI 摘要要查看此 AI 生成的摘要,您必须拥有高级访问权限。了解更多登录摘要摘要时空轨迹数据挖掘在理解和预测物体在时空中的运动方面发挥着关键作用,影响基于位置的关键应用,如城市交通优化、人类移动性分析和自动驾驶导航。尽管传统方法能有效捕捉局部轨迹模式,但由于其融合全局上
此摘要使用自动化工具生成,未经文章作者撰写或审核。它旨在支持发现,帮助读者评估相关性,并协助相邻研究领域的读者理解该工作。它旨在补充作者提供的摘要,后者仍然是论文的主要摘要。完整文章仍然是权威的记录版本。点击此处了解更多。
点击 此处 对此摘要的准确性、清晰度和有用性发表评论。这样做将有助于通知改进和未来的再生成版本。
要查看此 AI 生成的通俗语言摘要,您必须拥有高级访问权限。