- 综合排序
- 最热优先
- 最新优先
- 来自专栏Java阿呆
Temporal (二) ——为什么要用Temporal？
上一篇文章我们介绍了一下Temporal的一些基础概念和简单的架构设计。今天我们来说一说，为什么要用Temporal。 Temporal (一) ——强大的分布式工作流引擎 因为对复杂的分布式系统进行抽象，是Temporal很重要的一部分。我们先来想想为什么要用分布式。 那Temporal是怎么做的呢？Temporal直接把服务端、数据库、cron作业、任务队列、主机进程和SDK组合封装在了Temporal Platform里，这样就能直接解决故障。 而对于Temporal，Workflow Execution在失败后是完全可以恢复的，同时Temporal对工作流的执行没有最后的期限，可以执行无限长时间。 我们最后来看看Temporal是怎么做的。
4.3K50编辑于 2022-04-15 - 来自专栏Java阿呆
Temporal（三）Workflows
大家好，我是阿呆，这是Temporal系列的第三篇文章，前两篇在这里： Temporal (一) ——强大的分布式工作流引擎 Temporal (二) ——为什么要用Temporal？ 这篇文章详细介绍一下Temporal里Workflow的概念。 Temporal提供的方案是对Workflow进行版本化管理，版本化我们后面再说。还有就是Temporal API提供了一些对于非确定性的替代方案，比如提供了等待、随机数等方法。 尽量的处理可能发生的异常 开发人员不需要关心工作流在执行过程中由于Worker进程或者Temporal集群发生故障而导致的中断，因为这样的中断Temporal是可以恢复的。 可扩展性 可扩展性是指Temporal的负载能力。Temporal集群和Worker进程的设计和性质，让Temporal可以支撑数十亿个工作流同时执行。
4.2K30编辑于 2022-06-08 - 来自专栏全栈程序员必看
matlab debounce,Debounce Temporal Properties
Temporal Operators The Simulink® Design Verifier™ library provides three basic temporal operator blocks can be used to model temporal properties. The intent of the temporal operators is to support the specification of temporal requirements, such that This can be captured by the Detector block from the Temporal Operator Blocks Library. operator blocks can be combined to construct more complex temporal properties.
52040编辑于 2022-09-06 - 来自专栏计算机视觉理论及其实现
CTC（Connectionist Temporal Classification）介绍
CTC解决什么问题CTC，Connectionist Temporal Classification，用来解决输入序列和输出序列难以一一对应的问题。
2.1K20编辑于 2022-09-03 - 来自专栏彩铅的随笔博客
Hands on Reinforcement Learning 05 Temporal Difference
本章将要讲解无模型的强化学习中的两大经典算法：Sarsa 和 Q-learning，它们都是基于时序差分（temporal difference，TD）的强化学习算法。 +γV(st+1)−V(st)] 其中Rt+γV(st+1)−V(st)R_t + \gamma V(s_{t+1}) - V(s_t)Rt+γV(st+1)−V(st)通常被称为时序差分（temporal
1K30编辑于 2023-04-06 - 来自专栏从流域到海域
Temporal Difference - 时序差分学习
Temporal Difference(TD) 时序差分 “if one had to identify one idea as central and novel to reinforcement learning, it would undoubtedly be temporal-difference(TD) learning.” - Sutton and Barto 2017 如果要选出对强化学习来说是最核心且最新颖的思想 这说明它解决了动态规划和蒙特·卡罗尔方法的缺点，博主注) 在每一次(s,a,r,s′)(s,a,r,s')(s,a,r,s′)四元组(即每一次状态变迁/每一次Observation)发生后都立即更新VVV的估计 Temporal pi(s) = V\pi(s) + \alpha([r_t+\gamma V^\pi(s_{t+1})]-V^\pi(s))Vπ(s)=Vπ(s)+α([rt+γVπ(st+1)]−Vπ(s)) Temporal Temporal Difference [TD(0)] Learning Algorithm Input: α\alphaα Initialize Vπ=0,∀s∈SV^\pi=0, \forall
65410发布于 2019-10-22 - 来自专栏CreateAMind
Temporal GAN with Singular Value Clipping for 语义视频
Abstract In this paper, we propose a generative model, Temporal Generative Adversarial Nets (TGAN), generator consisting of 3D deconvolutional layers, our model exploits two different types of generators: a temporal The temporal generator takes a single latent variable as input and outputs a set of latent variables,
36430发布于 2018-07-24 - 来自专栏数据派THU
使用 Temporal Fusion Transformer 进行时间序列预测
什么是Temporal Fusion Transformer? Temporal Fusion Transformer(TFT)是一个基于注意力的深度神经网络，它优化了性能和可解释性，顶层架构如下图所示。 如何使用 Temporal Fusion Transformer 进行预测？
3.5K20编辑于 2022-10-09 - 来自专栏时空探索之旅
AAAI 2025 | 时空数据（Spatial-Temporal）论文总结
本文总结了2025 AAAI上有关时空数据（spatial-temporal）相关论文。如有疏漏，欢迎大家补充。 for Metro Flow Forecasting Designing Specialized Two-Dimensional Graph Spectral Filters for Spatial-Temporal Distillation Correlation Attention Masked Temporal Transformer for User Identity Linkage using Heterogeneous Semantic Enhancement Framework for POI Representation Learning Graph Structure Learning for Spatial-Temporal Clustering for Next POI Recommendation Traffic Scenario Logic: A Spatial-Temporal Logic for Modeling
1.6K10编辑于 2025-01-20 - 来自专栏时空探索之旅
IJCAI 2025 | 时空数据（Spatial-temporal）论文总结
本文总结了2025 IJCAI上有关时空数据（spatial-temporal）相关论文，共计23篇。 时空预测Topic：预测，异常检测，LLM应用，多模态等。 Revealing Concept Shift in Spatio-Temporal Graphs via State Learning8. TESTN: A Triad-Enhanced Spatio-Temporal Network for Multi-Temporal POI Relationship Inference12. STAMImputer: Spatio-Temporal Attention MoE for Traffic Data Imputation19. Jensen 关键词：事故预测 11 TESTN: A Triad-Enhanced Spatio-Temporal Network for Multi-Temporal POI Relationship
61810编辑于 2025-07-29 - 来自专栏论文精读
【论文精度 | ISTVT: Interpretable Spatial-Temporal Video Transformer】
ISTVT: Interpretable Spatial-Temporal Video Transformer for Deepfake Detection目前（2023）的人脸伪造视频检测并不能达到很好的效果 因此，作者提出了Interpretable Spatial-Temporal Video Transformer (ISTVT) architecture。 作者在文章中系统分析了不同时空自住意力的变体，并提出decomposed spatial-temporal self-attention mechanism 和 self-subtract mechanism 机制模型框架模型包含了Xception（特征提取），video transformer network with decomposed spatial-temporal self-attention 以及一个分类网络MLPSpatial-Temporal Transformer Block文章的关键点就在于如何将VIT中的时空特征进行解耦，在通过Xception模型提取到特征图（T\times C
81821编辑于 2025-07-09 - 来自专栏时空探索之旅
VLDB 2024 | 时空数据（Spatial-temporal）论文总结
本文总结了VLDB 2024有关时空数据（Spatial-temporal data）的相关论文，共11篇。主要包含如有疏漏，欢迎大家补充。 BigST: Linear Complexity Spatio-Temporal Graph Neural Network for Traffic Forecasting on Large-Scale Road Networks [Demo] Pyneapple-G: Scalable Spatial Grouping Queries BigST: Linear Complexity Spatio-Temporal
43010编辑于 2024-12-09 - 来自专栏时空探索之旅
ICDE 2025 时空数据（Spatial-Temporal）论文总结
ICDE 2025在2025年5月19日至23日在中国香港举行，本文总结了ICDE 2025有关时空数据(Spatial-Temporal)相关文章，共计30篇。 Towards Online Spatio-Temporal Prediction: A Knowledge Distillation Driven Continual Learning Approach Compatible Unsupervised Anomaly Detection with Multi-Perspective Spatio-Temporal Learning 21. Self-supervised Trajectory Representation Learning with Multi-scale Spatio-temporal Feature Exploration Sydney) 关键词：轨迹相似度计算，图建模 20 Compatible Unsupervised Anomaly Detection with Multi-Perspective Spatio-Temporal
53110编辑于 2025-06-09 - 来自专栏时空探索之旅
CIKM 2024 | 时空数据(Spatial-temporal)论文总结
CIKM 2024于10月21号-10月25号在美国爱达荷州博伊西举行（Boise, Idaho, USA） 本文总结了CIKM 2024有关时空数据（spatial-temporal data）的相关论文 Full Research 1 Prompt-Based Spatio-Temporal Graph Transfer Learning 链接：https://arxiv.org/abs/2405.12452 Shili Xiang,Savitha Ramasamy,Roger Zimmermann 关键词：提示学习，迁移学习 2 Rethinking Attention Mechanism for Spatio-Temporal /2403.11960 作者：Baoyu Jing,Dawei Zhou,Kan Ren,Carl Yang 关键词：插补，时空图神经网络，因果注意力 CASPER 4 ByGCN: Spatial Temporal Gu,Shiyang Zhou,Yun Xiong,Yang Luo,Hongrun Ren,Qiang Wang,Xiaofeng Gao,Philip Yu 关键词：事件预测 12 Spatio-Temporal
69410编辑于 2024-11-19 - 来自专栏时空探索之旅
NeurIPS 2024 | 时空数据（Spatial-Temporal）论文总结
NeurIPS 2024于2024年12月10号-12月15号在加拿大温哥华举行（Vancouver, Canada）,录取率25.8% 本文总结了NeurIPS 2024有关时空数据（spatial-temporal [Oral] Get Rid of Isolation: A Continuous Multi-task Spatio-Temporal Learning Framework [Spoatlight] Intentions and Travel Preference from Human Mobility Data with Large Language Models Addressing Spatial-Temporal Series Analysis via Latent Continuity Recovery and Alignment Causal Deciphering and Inpainting in Spatio-Temporal Residents: An LLM Agent Framework for Personal Mobility Generation Learning from Highly Sparse Spatio-temporal
1K10编辑于 2024-11-19 - 来自专栏时空探索之旅
ICLR 2025 | 时空数据(Spatial-Temporal)论文总结
本文总结了2025 ICLR上有关时空数据(Spatial-Temporal)相关论文。如有疏漏，欢迎大家补充。 时空数据Topic：时空预测（交通，气象），时空动力学等。 for spatiotemporal PDE systems Expand and Compress: Exploring Tuning Principles for Continual Spatio-Temporal and Benchmark for Commuting Origin-Destination Flow Generation Diffusion Transformer Captures Spatial-Temporal 分数：861088 4 Expand and Compress: Exploring Tuning Principles for Continual Spatio-Temporal Graph Forecasting 分数：5868 10 Diffusion Transformer Captures Spatial-Temporal Dependencies: A Theory for Gaussian Process
75410编辑于 2025-02-21 - 来自专栏Yunfeng's Simple Blog
TSN Usage——如何编译和使用temporal-segment-networks
TSN是”temporal-segment-networks”的简称，是视频动作识别任务里面当前最好的方法。 cd /data5/yunfeng/Dev/git git clone --recursive https://github.com/yjxiong/temporal-segment-networks
1.6K10发布于 2019-12-25 - 来自专栏时空探索之旅
KDD 2023 | 时空数据（Spatial-Temporal）Research论文总结
Localised Adaptive Spatial-Temporal Graph Neural Network 链接：https://dl.acm.org/doi/abs/10.1145/3580305.3599418 Spatio-Temporal Diffusion Point Processes 链接：https://dl.acm.org/doi/abs/10.1145/3580305.3599511 代码：https ://github.com/tsinghua-fib-lab/Spatio-temporal-Diffusion-Point-Processes 作者：Yuan Yuan (Department of ST-iFGSM: Enhancing Robustness of Human Mobility Signature Identification Model via Spatial-Temporal Generative Causal Interpretation Model for Spatio-Temporal Representation Learning 链接：https://dl.acm.org
54900编辑于 2024-11-19 - 来自专栏时空探索之旅
ECML PKDD 2025 | 时空数据（Spatial-Temporal）论文总结
ECML PKDD2025将在2025年9月15号到19号在加葡萄牙波尔图（ Porto, Portugal）举行，本文总结了ECML PKDD2025有关时空数据（Spatial-Temporal）相关文章 Hierarchical Information-Guided Spatio-Temporal Mamba for Stock Time Series Forecasting3. ST-LoRA: Low-rank Adaptation for Spatio-temporal Forecasting4. Europe); Konrad Schindler (ETH Zurich) 关键词：地理基础模型，地球观测，参数高效微调 2 Hierarchical Information-Guided Spatio-Temporal University); Ying Tan (Peking University) 关键词：股票时序预测，时空Mamba 3 ST-LoRA: Low-rank Adaptation for Spatio-temporal
49010编辑于 2025-08-03 - 来自专栏圆圆的算法笔记
Spatial-Temporal时间序列预测建模方法汇总
其他部分和RNN类似，是序列建模的结构，模型整体结构如下图： 另一种模型框架是Graph WaveNet for Deep Spatial-Temporal Graph Modeling（IJCAI 2 基于矩阵分解的时序预估方法 基于分解的多序列联合建模方法，利用矩阵分解的思路，该方法最早起源于Temporal Regularized Matrix Factorization for High-dimensional Temporal Latent Auto-Encoder: A Method for Probabilistic Multivariate Time Series Forecasting（AAAI 2021
1.3K30编辑于 2022-09-22
腾讯云开发者
Copyright © 2013 - 2026 Tencent Cloud. All Rights Reserved. 腾讯云 版权所有
深圳市腾讯计算机系统有限公司 ICP备案/许可证号：粤B2-20090059 
粤公网安备44030502008569号
腾讯云计算（北京）有限责任公司 京ICP证150476号 | 京ICP备11018762号