공간-시간 그래프(STG) 예측은 교통 및 날씨 예측을 포함한 실제 세계 전반의 광범위한 응용을 가지는 중요한 과제이다. STG에서의 복잡한 동역학을 모델링하기 위해 최근 여러 방법들이 제안되었음에도 불구하고, 장거리 공간-시간 의존성을 다루는 문제는 여전히 중대한 도전 과제로 남아 있어 성능 향상이 제한적이다. 장거리 의존성을 포착하는 데 놀라운 능력을 보인 최근 제안된 상태공간 모델인 Mamba에 영감을 받아, SpoT-Mamba라는 새로운 STG 예측 프레임워크를 제안한다. SpoT-Mamba는 다양한 노드-특화 워크 시퀀스를 스캔하여 노드 임베딩을 생성한다. 생성된 노드 임베딩을 바탕으로, 시간 스캔을 수행하여 장거리 공간-시간 의존성을 포착한다. 실제 세계 교통 예측 데이터셋에 대한 실험 결과는 SpoT-Mamba의 효과성을 입증한다.

*본 초록은 AI를 통해 원문을 번역한 내용입니다. 정확한 내용은 하기 원문에서 확인해주세요.