![](https://img-blog.csdnimg.cn/20201014180756780.png?x-oss-process=image/resize,m_fixed,h_64,w_64)
剪枝学习
文章平均质量分 74
顺顺不吃竹笋
这个作者很懒,什么都没留下…
展开
-
2.18-2.24 周报
本周学习内容:学习时空图神经网络相关基础知识,观看交通流量预测代码讲解视频。原创 2024-02-25 07:20:32 · 360 阅读 · 0 评论 -
Adaptive Graph Convolutional Recurrent Network for Traffic Forecasting 论文理解+机翻
背景:快速的城市化带来了人口的增长,并带来了巨大的流动性和挑战性。在这些挑战中,智能交通系统是一个重要领域,交通预测是城市交通管理的重要部分。问题描述:论文关注的是如何准确的预测未来的交通状况,例如交通流量和速度、乘客需求等。方法:传统的预测方法采用时间序列模型,它们无法捕捉到大规模交通的非线性相关性和复杂的时空模式。论文提出了一种叫做 Adaptive Graph Convolutional Recurrent Network (AGCRN)的方法。原创 2023-09-19 10:54:31 · 1015 阅读 · 0 评论 -
Attention is all you need 论文笔记
该论文引入Transformer,主要核心是自注意力机制,自注意力(Self-Attention)机制是一种可以考虑输入序列中所有位置信息的机制。原创 2023-09-13 19:33:44 · 458 阅读 · 0 评论 -
对于论文Semi-Supervised Classification with Graph Convolutional Networks,小白的学习理解
卷积神经网络:灵感来源于人类的大脑,在识别一个物体时,首先识别边缘,再识别形状,最后确定物体的类型。卷积神经网络利用大脑识别的特点,建立多层神经网络,较低层识别物体的特征,若干底层特征组成更高一层特征,最终通过多层特征组合来进行分类。典型的卷积神经网络CNN由卷积层、池化层和全连接层组成。卷积层用来提取特征,池化层用来降维和降低过拟合,全连接层用来输出最后的结果。研究的对象通常是有规则的空间结构,比如有序的语句,对于猫狗的分类。这些特征都可以用矩阵来表示。原创 2023-08-30 19:21:04 · 362 阅读 · 0 评论