نماذج الانتشار المدرك مكانيًا مع الانتباه المتقاطع لإعادة بناء المجال العالمي مع ملاحظات نادرة

لقد حظيت نماذج الانتشار بقدر كبير من الاهتمام لقدرتها على تمثيل توزيعات معقدة ودمج عدم اليقين، مما يجعلها مثالية للتنبؤات القوية في ظل البيانات المزعجة أو غير المكتملة. في هذه الدراسة، نقوم بتطوير وتحسين نماذج الانتشار المعتمدة على الدرجة في مهام إعادة بناء الحقول، حيث الهدف هو تقدير الحقول المكانية الكاملة من الملاحظات الجزئية. نقدم نهج تشفير الشرط لبناء خريطة قابلة للعمل بين المناطق الملاحظة وغير الملاحظة باستخدام دمج قابل للتعلم للملاحظات النادرة والحقول المستنتجة كتحيز استقرائي. مع تمثيلات الحاسّة المنقحة وأبعاد زمنية مفككة، يمكن لطريقتنا التعامل مع أجهزة الاستشعار المتحركة بشكل عشوائي وإعادة بناء الحقول بفعالية. علاوة على ذلك، نجري معيارًا شاملًا لمنهجيتنا مقابل طريقة استدلال حتمية قائمة على التداخل عبر مجموعة متنوعة من PDES الثابتة والاعتماد على الزمن. تحاول دراستنا معالجة الفجوة في المعايير القوية لتقييم الأداء عبر متغيرات عينة مختلفة، مستويات الضجيج، وطرق التكييف. تظهر نتائجنا أن نماذج الانتشار مع الانتباه المتقاطع والتشفير الشرطي المقترح تتفوق عمومًا على الطرق الأخرى في ظل الظروف المضطربة، على الرغم من أن الطريقة الحتمية تتفوق مع البيانات الخالية من الضجيج. بالإضافة إلى ذلك، تتجاوز كل من نماذج الانتشار والطريقة الحتمية النهج العددي من حيث الدقة وتكلفة الحساب للمشكلة الثابتة. كما نوضح قدرة النموذج على التقاط إعادة البناء المحتملة وتحسين دقة النتائج المدمجة في مهام تصحيح تعتمد على التباين باستخدام أخذ عينات مجمعة.