神经网络期末作业(包括原文,翻译,文献解读,代码复现)
可以当作课程论文。
时空图卷积网络:一个用于交通预测的深度学习框架
摘要
及时准确的交通预测是城市交通控制和诱导的关键。由于交通流的高度非线性和复杂性,传统的预测方法不能满足中长期预测任务的要求,往往忽略了空间和时间的相关性。本文提出了一种新的深度学习框架时空图卷积网络(STGCN)来解决交通领域的时间序列预测问题。我们不使用正则卷积和递归单元,而是在图上构造问题,并建立具有完全卷积结构的模型,实验表明,该模型通过对多尺度交通网络的建模,有效地捕获了复杂的时空相关性,在各种真实交通数据集上的性能均优于现有的方法。
2022-09-06 17:05:17
2.26MB
1