Mctd: A Novel Multi-Channel Trend-Disentangled Framework with First-Order Differential Learning for Traffic Flow Prediction
0Citations signalées, ce qui n’est pas une note de qualité
4Institutions déclarées
1Pays d’affiliation déclarés
Rattachement africain : cn. Niveau de preuve : code pays fourni par la source.
Résumé indisponible. Les résultats de l’étude ne doivent pas être déduits de son seul titre.
Le contrôle bibliographique ouvert
DOI retrouvé dans Crossref DOI retrouvé ; titre concordant.
- Titre Crossref
- Mctd: A Novel Multi-Channel Trend-Disentangled Framework with First-Order Differential Learning for Traffic Flow Prediction
- Date Crossref
- 01/01/2025
- Éditeur
- Elsevier BV
- Type
- posted-content
Ce recoupement confirme des métadonnées liées au DOI. Il ne confirme ni la méthode ni les conclusions de l’étude, et il ne compte pas comme une seconde source scientifique indépendante.
Où se fait cette recherche
-
Huzhou Normal University pays non établi dans la noticeUniversité ou école supérieure
-
First Affiliated Hospital Zhejiang University pays non établi dans la noticeÉtablissement de santé
-
Zhejiang University pays non établi dans la noticeUniversité ou école supérieure
-
Hangzhou Dianzi University pays non établi dans la noticeUniversité ou école supérieure
-
Huzhou University pays non établi dans la noticeUniversité ou école supérieure
Huzhou Normal University, First Affiliated Hospital Zhejiang University et Zhejiang University, avec 2 autres affiliations.
Une affiliation ne permet pas de déduire la nationalité d’un auteur.
Les sujets associés
Traffic Prediction and Management TechniquesTraffic control and managementTransportation Planning and Optimization