清华大学电子工程系城市科学与计算研究中心最新成果 《Spatio-Temporal Few-Shot Learning via Diffusive Neural Network Generation》被 ICLR2024 接收，该研究提出 GPD (Generative Pre-Trained Diffusion) 模型，实现数据稀疏场景下的时空学习。 该数据集为论文的开源数据及代码。用于训练和评估的数据可以在时间序列数据中找到（已包含在超神经种子文件「Time-series-data」中）。 下载数据后，将它们移动到./Data 。 对于每个城市，研究团队提供以下数据：

• Graph data：记录时空图的邻接矩阵。
• Time series data：记录每个节点的时间顺序数据。 研究团队提供两个时间序列数据集：人群流量（包括 DC 、 BM 、 man）和交通速度（包括 metr-la 、 pems-bay 、 shenzhen 、 hengdu_m）。

Citation

@inproceedings{ yuan2024spatiotemporal, title={Spatio-Temporal Few-Shot Learning via Diffusive Neural Network Generation}, author={Yuan Yuan and Chenyang Shao and Jingtao Ding and Depeng Jin and Yong Li}, booktitle={The Twelfth International Conference on Learning Representations}, year={2024}, url={https://openreview.net/forum?id=QyFm3D3Tzi} }