2020年5月第一次presentation：讲的是人流量预测算法ST-ResNet

整理电脑文件时发现研究生第一次做报告的稿子，在此分享一下。对于初学者而言，特别是不善于阅读文献且阅读量寥寥无几的情况下，做一个非常棒深层次的报告是有难度的。是的，我就是这类学生。从师兄给六篇实验室相关的文献中选定方向，初次接触论文，无从下手，找不到重点。知道文章的脉络结构，也学习了如何阅读论文，然而从问题描述到机器学习相关方法都是陌生的，内心产生了抗拒。因此，选择了场景最好理解的人流量预测算法的研究。本篇博文就是在这个时期写出来的，讲解的非常浅显，但是脉络还算清晰。选择发布出来，希望刚入门的同学可以有个基础参考。ps:大佬们写的博文都非常好，他们都有自己的公众号，能得到最新的深度学习（特别是时空序列相关）的文献动态和讲解。需要更专业的参考大家右转：

• AI蜗牛车~车哥 深度学习框架和时空序列等；
• 当交通遇上机器学习交通领域深度学习模型。

最后，研究生一般的流程：需要确定科研方向，并且搜索大量文献，逐渐熟悉研究方向，并对相关文献分析总结，了解所选问题的挑战和现有方法，然后进一步复现优秀模型，如果幸运发现了改进的方法并且实验结果有效，那么小论文就有了。上课的时候有老师讲过，即使自己的方法效果不佳，只要有用也可以整理出来发表。这个方法需要思路缜密，前人没有在该问题上使用这种方法，在理论层面，该方法又是可行的，那么就可以说说为啥实际中不行，以供后人参考。

今天想给大家分享一下城市计算方面的内容。我最近在进行人流量预测方面的研究，所以就以这个问题为切入点带大家了解一下城市计算中的人流量预测。

• 背景介绍（包括时空大数据）
• 网格划分（vedio-like）
• 数据流定义，时间维度特征对应的数据划分
• Deepst框架，conv解决(时间三个属性；空间near、distant；meta data)
• st-resnet能使层数更深了,resnet特性
• 模型可学习的地方
• 后人在此基础上提出来的框架
• 最后总结

首先ÿ