![](https://img-blog.csdnimg.cn/20201014180756928.png?x-oss-process=image/resize,m_fixed,h_64,w_64)
represent
2snoopy
这个作者很懒,什么都没留下…
展开
-
Spatial-Temporal Synchronous Graph Convolutional Networks: A New Framework for Spatial-Temporal Net
Spatial-Temporal Synchronous Graph Convolutional Networks: A New Framework for Spatial-Temporal Network Data Forecasting(时空同步卷积网络)思想以前都方法都是单独建立时间空间组件来捕获时空相关性,但是忽略了时空异质性(只是捕获了前两种结构的影响)时空图中的每个节点都可以在同一时间步直接影响其相邻节点,并且这种影响是从实际的空间依赖性得出的。同时,由于时间序列中的时间相关性,每个节点原创 2020-11-09 10:55:57 · 1806 阅读 · 0 评论 -
Time2Graph: Revisiting Time Series Modeling with Dynamic Shapelets(使用动态shapelets重新建模时间序列)
Time2Graph: Revisiting Time Series Modeling with Dynamic Shapelets(使用动态shapelets重新建模时间序列)时间序列建模的目的是为了发现按时间排序的数据中的关系。关键问题是如何从一个时间序列中提取关键特征,以前的大部分框架从经典的特性工程和表示学习到基于深度学习的模型。虽然这些方法都取得了很好的效果,但是也因为缺乏可解释性被人诟病。而本文关注的对象shapelet(代表一个类的时间序列子序列)能在分类场景中提供直接的可解释的和解释性的见原创 2020-10-31 16:49:52 · 3102 阅读 · 2 评论