arXiv · ML· Matheus Germano, Claudio E. C. Campelo·· 1 天前AI 评分25
自编码器潜空间特征无法提升尼泰罗伊公交延误检测
Detecting bus delays and service anomalies in Niter\'oi with autoencoder latent feature representations
AI 导读
研究在 NetMob 2026 公交数据集中发现，自编码器的 64 维潜空间特征未提升延误检测效果。 基于摘要特征的梯度提升模型达到 0.846 ROC-AUC，优于潜空间最优的 0.838，且后者两个异常检查证实存在循环论证缺陷。 尽管存在上述负向结果，该研究仍展示了跨三种自编码器稳定的日间异常信号，并获 2026 年数据挑战最佳海报奖。
来源：arXiv · ML · arxiv.org