【2020顶会KDD】AutoST:面向时空预测的高效神经网络学习模型

AutoST是一种针对时空预测任务的高效神经网络结构搜索方法,旨在自动构建能捕捉多范围时空相关性和融合多层次特征的网络。通过设计包含混合卷积和混合跳跃连接的搜索空间,AutoST在出租车流和人流预测等任务上表现出显著的性能提升,同时搜索速度比现有NAS方法快8-10倍。
摘要由CSDN通过智能技术生成

题目:AutoST: Efficient Neural Architecture Search for Spatio-Temporal Prediction

 

文章作者信息:

 

预览摘要:

时空(ST)预测(如人群流预测)在城市规划、智能交通和公共安全等一系列智慧城市应用中具有重要意义。近年来,人们提出了许多深度神经网络模型来进行准确的预测。然而,手动设计神经网络需要花费大量的精力和时空领域的专业知识。如何自动建立一个通用的神经网络来处理城市中的各种时空预测任务?

在本文中,作者研究了时空预测任务的神经网络结构搜索(NAS),并提出了一种有效的时空神经网络结构搜索方法,名为AutoST。本文设计了一种新的时空域搜索空间,该空间由两类分量组成:(i)在每一层进行可选的卷积运算,自动提取多范围的时空相关性;(ii)可学习跳过层之间的连接来动态融合低级和高级的时空特征。

本文在出租车流和人流等四个真实时空预测任务上进行了大量的实验,结果表明所学的网络架构可以显著提高时空神经网络中代表性模型的性能。此外,文中提出的高效NAS方法的搜索速度比最先进的NAS方法快8-10倍,证明了AutoST的效率和有效性。

 

主要贡献:

本篇文章的主要贡献可以总结为以下三点:

(1)提出了一种新的时空预测模型AutoST,该模型引入了神经网络结构搜索技术来动态捕捉空间相关性࿰

  • 2
    点赞
  • 10
    收藏
    觉得还不错? 一键收藏
  • 1
    评论
评论 1
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值