图卷积网络 - PyTorch实现图卷积网络(GCN、GAT、Chebnet)的交通流量预测(完整源码和数据)

上传者: m0_57362105 | 上传时间: 2022-11-21 15:26:58 | 文件大小: 39.65MB | 文件类型: ZIP
图卷积网络 | PyTorch实现图卷积网络(GCN、GAT、Chebnet)的交通流量预测 > 交通流量预测。图卷积网络(GCN、GAT、Chebnet)的实现 用PyTorch实现 > > 要求 > > - Pytorch > > - Numpy > > - Pandas > > - Matplotlib > > 数据集实例: > > 这些数据集由加州交通局性能测量系统(PEMS-04)收集。 > > 数量:307个检测器 > 特点:流量、占用、速度。 > > 探测数据分析。 > > 1.有三个特征:流量、占有率和速度。首先,我们对数据分布进行可视化分析 > > 2.运行代码:python data_view.py > > 3.每个节点(检测器)都有三个特征,但两个特征的数据分布基本上是静止的,所以我们只取第一维特征。 > > 读取数据集。 > > 在traffic_dataset.py文件中,get_adjacent_matrix和get_flow_data函数是用来读取相邻矩阵和流量数据。 > > 模型训练。 > > 在traffic_predi

文件下载

资源详情

[{"title":"( 19 个子文件 39.65MB ) 图卷积网络 - PyTorch实现图卷积网络(GCN、GAT、Chebnet)的交通流量预测(完整源码和数据)","children":[{"title":"选择第一个特征.png <span style='color:#111;'> 83.35KB </span>","children":null,"spread":false},{"title":"gcnnet.py <span style='color:#111;'> 2.48KB </span>","children":null,"spread":false},{"title":"gat_node.png <span style='color:#111;'> 54.31KB </span>","children":null,"spread":false},{"title":"PeMS_04","children":[{"title":"PeMS04.csv <span style='color:#111;'> 4.41KB </span>","children":null,"spread":false},{"title":"PeMS04.npz <span style='color:#111;'> 31.43MB </span>","children":null,"spread":false}],"spread":true},{"title":"utils.py <span style='color:#111;'> 2.06KB </span>","children":null,"spread":false},{"title":"__pycache__","children":[{"title":"chebnet.cpython-36.pyc <span style='color:#111;'> 3.61KB </span>","children":null,"spread":false},{"title":"gat.cpython-36.pyc <span style='color:#111;'> 3.23KB </span>","children":null,"spread":false},{"title":"traffic_dataset.cpython-36.pyc <span style='color:#111;'> 7.34KB </span>","children":null,"spread":false},{"title":"gcnnet.cpython-36.pyc <span style='color:#111;'> 1.40KB </span>","children":null,"spread":false},{"title":"utils.cpython-36.pyc <span style='color:#111;'> 2.22KB </span>","children":null,"spread":false}],"spread":true},{"title":"traffic_prediction.py <span style='color:#111;'> 8.35KB </span>","children":null,"spread":false},{"title":"注意事项.md <span style='color:#111;'> 1.18KB </span>","children":null,"spread":false},{"title":"traffic_dataset.py <span style='color:#111;'> 10.97KB </span>","children":null,"spread":false},{"title":"gat.py <span style='color:#111;'> 4.48KB </span>","children":null,"spread":false},{"title":"node.png <span style='color:#111;'> 43.31KB </span>","children":null,"spread":false},{"title":"chebnet.py <span style='color:#111;'> 5.23KB </span>","children":null,"spread":false},{"title":"GAT_result.h5 <span style='color:#111;'> 18.89MB </span>","children":null,"spread":false},{"title":"dataView.py <span style='color:#111;'> 3.85KB </span>","children":null,"spread":false}],"spread":true}]

评论信息

免责申明

【只为小站】的资源来自网友分享,仅供学习研究,请务必在下载后24小时内给予删除,不得用于其他任何用途,否则后果自负。基于互联网的特殊性,【只为小站】 无法对用户传输的作品、信息、内容的权属或合法性、合规性、真实性、科学性、完整权、有效性等进行实质审查;无论 【只为小站】 经营者是否已进行审查,用户均应自行承担因其传输的作品、信息、内容而可能或已经产生的侵权或权属纠纷等法律责任。
本站所有资源不代表本站的观点或立场,基于网友分享,根据中国法律《信息网络传播权保护条例》第二十二条之规定,若资源存在侵权或相关问题请联系本站客服人员,zhiweidada#qq.com,请把#换成@,本站将给予最大的支持与配合,做到及时反馈和处理。关于更多版权及免责申明参见 版权及免责申明