摘要
光纤斑点图传感器（FSS）在环境监测中具有重要作用，因其对温度变化的高度敏感性而备受关注，但其复杂的数据给预测模型带来了挑战。本研究引入了Prion-ViT，这是一种受生物朊病毒记忆机制启发的视觉变换器模型，旨在利用FSS数据改进长期依赖建模和温度预测精度。Prion-ViT通过持久化的内存状态来保留并传递各层之间的关键特征，从而将平均绝对误差（MAE）降低至0.71°C，并且优于ResNet、Inception Net V2和标准视觉变换器等模型。本文还探讨了可解释人工智能（XAI）技术，通过注意力图和显著性图提供了对斑点图的视角，这些图突出了对预测结果有重要贡献的关键区域。
基准测试
| 基准 | 方法 | 指标 |
|---|---|---|
| temperature-prediction-using-specklegrams-on | Prion-ViT | Average MAE: 0.52 |