Jove
Visualize
Contáctanos
JoVE
x logofacebook logolinkedin logoyoutube logo
ACERCA DE JoVE
Visión GeneralLiderazgoBlogCentro de Ayuda JoVE
AUTORES
Proceso de PublicaciónConsejo EditorialAlcance y PolíticasRevisión por ParesPreguntas FrecuentesEnviar
BIBLIOTECARIOS
TestimoniosSuscripcionesAccesoRecursosConsejo Asesor de BibliotecasPreguntas Frecuentes
INVESTIGACIÓN
JoVE JournalMethods CollectionsJoVE Encyclopedia of ExperimentsArchivo
EDUCACIÓN
JoVE CoreJoVE BusinessJoVE Science EducationJoVE Lab ManualCentro de Recursos para ProfesoresSitio de Profesores
Términos y Condiciones de Uso
Política de Privacidad
Políticas

Videos de Experimentos Relacionados

Modelo residual temporal-espacial jerárquico implícito para la predicción de vídeo a largo plazo.

Guiqin Wang1, Peng Zhao1, Haoran Guo1

  • 1School of Computer Science and Technology, Xi'an Jiaotong University, Xi'an, Shaanxi, 710049, China; National Engineering Laboratory for Big Data Analytics, Xi'an Jiaotong University, Xi'an, Shaanxi, 710049, China.

Neural networks : the official journal of the International Neural Network Society
|February 21, 2026
PubMed
Resumen

Videos de Conceptos Relacionados

Residuals and Least-Squares Property01:11

Residuals and Least-Squares Property

9.6K
The vertical distance between the actual value of y and the estimated value of y. In other words, it measures the vertical distance between the actual data point and the predicted point on the line
If the observed data point lies above the line, the residual is positive, and the line underestimates the actual data value for y. If the observed data point lies below the line, the residual is negative, and the line overestimates the actual data value for y.
The process of fitting the best-fit...
9.6K

También podría leer

Artículos Relacionados

Artículos vinculados a este trabajo por autores compartidos, revista y gráfico de citas.

Ordenar por
Same author

Integrative Multi-Omics Analysis Reveals Nutritional Metabolite Diversity and Regulatory Mechanisms in <i>Ocimum basilicum</i>.

Life (Basel, Switzerland)·2026
Same author

A novel ABCD1 frameshift mutation detected in a Chinese male with adrenomyeloneuropathy.

Neurological sciences : official journal of the Italian Neurological Society and of the Italian Society of Clinical Neurophysiology·2026
Same author

Discovering multiscale deep formulas in complex systems via neural-guided lambda calculus.

Nature communications·2026
Same author

The investigation on tensile failure of active waveguide structure by acoustic emission measurements.

Scientific reports·2026
Same author

Research on the Formability of 2A12 Aluminum Alloy Sheet During High-Speed Hot Gas Bulging.

Materials (Basel, Switzerland)·2026
Same author

Toward Ultrasensitive Electrochemical Detection of Ammonia Nitrogen in Drinking Water: PtCo Alloy Nanosheet on Self-Supported Carbon Cloth.

Sensors (Basel, Switzerland)·2026

Predecir futuros fotogramas de video es difícil debido a los errores que crecen con el tiempo. Este estudio introduce un modelo jerárquico temporal-espacial residual para mejorar la predicción de vídeo a largo plazo mediante la captura de distribuciones de datos residuales.

Área de la Ciencia:

  • Visión por ordenador Visión por ordenador Visión por ordenador Visión por ordenador Visión por ordenador
  • Aprendizaje automático Aprendizaje automático.
  • La inteligencia artificial es la inteligencia artificial.

Sus antecedentes:

  • La predicción de video a largo plazo se ve obstaculizada por las ambigüedades de la predicción y la amplificación de errores.
  • Los métodos existentes luchan con representaciones jerárquicas espacio-temporales y distribuciones espaciales variables.
  • El modelado espacial jerárquico es prometedor en el análisis espacial de vídeo.

Objetivo del estudio:

  • Proponer un nuevo modelo jerárquico temporal-espacial residual para mejorar la predicción de vídeo a largo plazo.
  • Para mejorar la representación de las características estocásticas en vídeos mediante la captura de distribuciones residuales.
  • Para mejorar la generalización a través de diversas distribuciones espaciales en los datos de vídeo.
Palabras clave:
El modelo residual jerárquico del modelo residual.Predicción de video a largo plazo.La reconstrucción espacial es la reconstrucción espacial.Representación de las características estocásticas.

Videos de Experimentos Relacionados

Principales métodos:

  • Desarrolló un modelo residual temporal-espacial jerárquico.
  • Utilizó un modelo generativo residual jerárquico para mejorar el espacio de estado latente para la captura de características espaciales.
  • Modelado explícitamente la naturaleza residual de los datos y alineado posterior aproximada con anterioridad.

Principales resultados:

  • El modelo propuesto aumenta significativamente el rendimiento en tareas de predicción de video a largo plazo.
  • Logró un rendimiento superior en comparación con los enfoques basados en modelos temporales y en redes neuronales convolucionales en tres conjuntos de datos.
  • Demostró una mejor generalización a través de diversas distribuciones espaciales.

Conclusiones:

  • El modelo jerárquico temporal-espacial residual aborda eficazmente los desafíos en la predicción de vídeo a largo plazo.
  • El método proporciona una representación más rica de las características estocásticas de vídeo y mejora la generalización espacial.
  • El código de acceso público facilita la investigación adicional en la predicción de vídeo implícito.