文件名称:Spatio-Temporal-Graph-Convolutional-Networks-A-Deep-Learning-Framework-for-Traffic-Forecasting:推介会
文件大小:1021KB
文件格式:ZIP
更新时间:2024-05-22 09:23:22
HTML
时空图卷积网络对交通预测的深入学习框架 参考 抽象的 时空图卷积网络 解决交通领域中的时间序列预测问题 完整的卷积结构。 介绍 线性回归在短期预测而非长期预测上表现良好 这是一种数据驱动且使用时空信息的方法。 充分利用空间信息,而不是将其视为离散单元 $$ \ hat v_ {t + 1},...,\ hat v_ {t + H} = argmax log_ {10} P(v_ {t + 1},...,v_ {t + H} | v_ {tM},...,v_ {t})$$ 其中$$ v_t \ in R ^ n $$,n是时间步长t的n个路段的观测向量 图上的卷积 标准化拉普拉斯算子 随机游走归一化拉普拉斯算子 类似于多元高斯分布 对称归一化的拉普拉斯算子L: 第一代GNC 第二代GNC 如果k == n,则接收域为n跳 第三代GNC 其中$$ c_1 $$,
【文件预览】:
Spatio-Temporal-Graph-Convolutional-Networks-A-Deep-Learning-Framework-for-Traffic-Forecasting-master
----Selection_001.png(12KB)
----Selection_006.png(42KB)
----Selection_004.png(7KB)
----Selection_011.png(87KB)
----Selection_005.png(125KB)
----Selection_002.png(7KB)
----Selection_007.png(8KB)
----Selection_009.png(16KB)
----index.html(8KB)
----ppt.pdf(655KB)
----LICENSE(1KB)
----Selection_010.png(58KB)
----Selection_008.png(9KB)
----.gitignore(1KB)
----Selection_003.png(20KB)
----README.md(4KB)