提出了一种动态自适应和对抗性图卷积网络。图卷积网络(GCN)与生成对抗网络(GAN)相结合,用于交通流量预测。具体来说,利用通用范式与门模块,将时变嵌入与节点嵌入整合在一起,生成动态自适应图,用于推断时空依赖关系。然后,设计两个的一致性。预测时间序列的全局属性和统计数据与序列和图层面的基本事实保持一致。在四个基准数据集上的广泛实验表明提出模型的平均性能优于最先进的5.05%、3.80% 和 5.27%。同时,收敛速度提高了 9 倍。
提出了一种动态自适应和对抗性图卷积网络。图卷积网络(GCN)与生成对抗网络(GAN)相结合,用于交通流量预测。具体来说,利用通用范式与门模块,将时变嵌入与节点嵌入整合在一起,生成动态自适应图,用于推断时空依赖关系。然后,设计两个的一致性。预测时间序列的全局属性和统计数据与序列和图层面的基本事实保持一致。在四个基准数据集上的广泛实验表明提出模型的平均性能优于最先进的5.05%、3.80% 和 5.27%。同时,收敛速度提高了 9 倍。