![](https://img-blog.csdnimg.cn/20201014180756780.png?x-oss-process=image/resize,m_fixed,h_64,w_64)
论文笔记
huanghh29
这个作者很懒,什么都没留下…
展开
-
《Spatio-Temporal Graph Convolutional Networks: A Deep Learning Framework for Traffic Forecasting》
《Spatio-Temporal Graph Convolutional Networks: A Deep Learning Framework for Traffic Forecasting》论文阅读笔记 摘要:及时准确的交通预测对于城市交通控制与指导至关重要。由于交通流量的非线性和复杂性,传统方法满足不了中长期预测任务的条件且经常忽略时间相关性和空间相关性。在本文中,我们提出了一个深度学习框架Spatio-Temporal Graph Convolutional Networks (STGCN) 以解原创 2020-08-14 08:53:13 · 811 阅读 · 0 评论 -
《DIFFUSION CONVOLUTIONAL RECURRENT NEURAL NETWORK: DATA-DRIVEN TRAFFIC FORECASTING》论文阅读笔记
《DIFFUSION CONVOLUTIONAL RECURRENT NEURAL NETWORK: DATA-DRIVEN TRAFFIC FORECASTING》论文阅读笔记 摘要:时空预测在神经科学、气候和交通等领域有着丰富的应用,其中交通预测就是一个典型的例子,该任务极具挑战性,因为:(1)道路网络中复杂的空间相关性;(2)伴随着道路状况变化的非线性时间动态性;(3)长期预测的内在困难性。为了解决这些问题,我们提出将交通流量建模为一个在有向图的扩散过程(diffusion process),并提出原创 2020-08-14 08:41:47 · 1458 阅读 · 1 评论 -
2020-08-07
《Flow Prediction in Spatio-Temporal Networks Based on Multitask Deep Learning》论文阅读笔记 摘要:预测时空网络中的流量(例如车辆、人流、自行车等)是交通系统中一个十分重要的议题。这是一个极具挑战性的问题,它受多重复杂因素的影响,诸如不同地点之间的时空相关性、不同时间段之间的时间相关性、外部因素(事件和天气)等。除此之外,一个顶点中的流量(称之为顶点流量)和顶点之间的运输量(称之为边流量)也互相影响。为了解决这些问题,本文提...原创 2020-08-07 09:47:03 · 351 阅读 · 0 评论