船舶轨迹预测换用Transformer:平均位移误差降到0.18公里,单次前向就给出预测区间
船舶轨迹预测不再依赖循环网络或多次采样。此前基于AIS的模型要么只看本船历史、要么只靠他船聚类,概率区间还要多次前向近似。这里把本船历史位置与局部KDE热图一起送入Transformer,并用分位数损失训练,在丹麦水域三个测试区上平均位移误差约0.18公里,单次前向即输出预测区间。
船舶轨迹预测不再依赖循环网络或多次采样。此前基于AIS的模型要么只看本船历史、要么只靠他船聚类,概率区间还要多次前向近似。这里把本船历史位置与局部KDE热图一起送入Transformer,并用分位数损失训练,在丹麦水域三个测试区上平均位移误差约0.18公里,单次前向即输出预测区间。
在41个表格数据集上按统一协议重评回归目标后,分位数损失在MLP、TabPack、RealMLP和TabM上比调好的均方误差给出更一致的测试RMSE改善,并暴露出不同噪声区域最优停止轮次不一致的问题。
已读完全部报道