论文
AndyFlyingZZZ
讨厌全局变量
展开
-
卷积LSTM网络应用于时空序列预测
时空序列预测问题是输入的是按照某一时刻之前若干个时刻表示空间信息的二维矩阵,预测某一时刻后面若干个时刻的空间状态。可以形式化为:卷积LSTM(Convolutional LSTM)是把卷积神经网络的思想和循环神经网络的思想融合到一个端到端的深度神经网络之中,使得网络既有提取时间信息的能力,又有提取空间信息的能力。ConvLSTM这种网络结构在视频帧预测,未来天气预测等时空序列预测问题中有很好的...原创 2020-03-22 17:28:34 · 5926 阅读 · 4 评论 -
16KDD Convolutional Neural Networks for Steady Flow Approximation
本文简介以前空气动力学的计算方法是传统CFD算法,但是它需要的计算开销大。本文提出了用CNN的方法,预测2D和3D的非均匀稳定层流(non-uniform steady laminar flow),在误差允许范围内比CFD快很多(在GPU上快4个数量级)。这使得可以在空气动力学产品的设计初期快速迭代。训练数据可以源于CFD结果和实测结果。本文提出的模型模型步骤:用SDF(Signed Di...原创 2019-12-03 23:20:06 · 902 阅读 · 1 评论 -
19KDD AccuAir Winning Solution to Air Quality Prediction for KDD Cup 2018
目的:用空气质量、meteorology (气象学)、spatial topology (空间拓扑)、天气预报、站点信息、时间信息来预测空气质量。难点:影响因素多,参量之间的影响是非线性的且具有时空特性,突变的噪声性质,有未知参量的影响。解决方案:建立了LightGBM、spatial-temporal gated DNN、Seq2Seq model三个模型,分别用现有数据集训练;再训练一个线...原创 2019-10-24 10:59:54 · 1026 阅读 · 1 评论 -
19IJCAI Multi-Group Encoder-Decoder Networks to Fuse Heterogeneous Data for Next-Day Air Quality Pre
本文提出multi-group Encoder-Decoder networks (MGED-Net) 模型融合多种输入特征,解决预测一天后预测给定站点,给定污染物种类(PM2.5)的污染程度的问题。难点:时空数据都存在,面临异构数据融合的问题;需要进行较长时间(一天)的预测。针对这些难点,本文提出了一个多组数据的Encoder-Decoder模型,主要贡献有三点。将空间网格的天气数据(包...原创 2019-10-19 23:10:07 · 566 阅读 · 1 评论