![](https://img-blog.csdnimg.cn/20210527101119240.png?x-oss-process=image/resize,m_fixed,h_224,w_224)
时空序列预测/智慧城市
文章平均质量分 76
时空序列预测相关理论知识,论文,代码实现细节笔记分享
小卜妞~
努力精通深度学习、精通机器学习、精通数据科学!
努力精通Java开发、熟练掌握计算机基础!
展开
-
一些论文工具
查询某篇文章相关的其他文献,https://www.connectedpapers.com/,输入文章名就可以得到相关文献网络图查询某领域sota论文,以及文章的数据集、代码等。https://paperswithcode.com/sota天气数据集,https://www.worldweatheronline.com/谷歌镜像:谷粉SCI影响因子查询:https://sci.justscience.cn/index.php写作语法检查:秘塔写作猫...原创 2022-04-30 19:47:36 · 728 阅读 · 0 评论 -
[2021] Spatio-Temporal Graph Contrastive Learning
21-Spatio-Temporal Graph Contrastive Learning郑宇、梁玉轩1 摘要深度学习模型是时空图(STG)预测的现代工具。尽管它们很有效,但它们需要大规模的数据集来获得更好的性能,并且容易受到噪声扰动。为了减轻这些限制,一个直观的想法是使用流行的’数据增强’和’对比学习’技术。然而,现有的图对比学习方法由于三个原因不能直接应用于STG预测。经验发现,预测任务无法从对比学习得到的预先训练的表征中获益。用于击败噪声的数据增强方法对STG数据的探索较少。忽略了样本的原创 2022-04-21 22:38:42 · 1636 阅读 · 0 评论 -
[2022 ICLR] Pyraformer: Low-Complexity Pyramidal Attention for Long-Range 时空序列建模和预测
Pyraformer: Low-Complexity Pyramidal Attention for Long-Range T-S Modeling and Forecasting低复杂度的金字塔型注意力模型,用于长时序列建模和预测我们研究的时空数据类任务(预测或异常检测等),需要考虑时间和空间两个维度。目前的研究成果在空间维度基本是以图卷积为主导,不同之处在于不同工作中定义的图类型有所不同,一般是静态图(即地理位置形成的天然拓扑图),还有结合时间或POI等额外信息计算得到的节点拓扑关系,一般称为动态原创 2022-04-21 22:24:22 · 3947 阅读 · 1 评论 -
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.原创 2022-03-15 18:20:06 · 2558 阅读 · 1 评论 -
matplotlib直方图
直方图(Histogram),一种数据统计层面的绘图方式。用一系列高低不等的柱子表示数据分布,横坐标表示数据划分区间,纵坐标可以表示落到各个区间内的频数/频率。使用matplotlib.pyplot库中的hist方法实现,先看函数的参数:官方linkmatplotlib.pyplot.hist(x, bins=None, range=None, density=False, weights=None, cumulative=False, bottom=None, histtype='bar', align原创 2022-02-24 15:01:31 · 1136 阅读 · 0 评论 -
关于tensorly中的unfold
今天看别人的代码,发现处理数据集使用了一个tensorly这个包里的unfold函数。很气的是我电脑上一直安装不上这个包。各种搜索,有说这个函数是滑动窗口,也有的说这个函数类似于切片。下面简单记录一下:一般用法是:unfold(dim, size, step),表示作用的维度,一次选的元素个数和步长,不过在默认情况下:unfold(0)就是切片,类似于reshape(shape[0],-1)用下面这张图显示就很形象:...原创 2022-02-16 15:34:20 · 610 阅读 · 0 评论 -
轨迹数据预处理过程之安装
轨迹数据预处理过程之安装安装osmnx库:为了在python环境下轻松使用地图库,从OpenStreetMap中检索、建模、分析和可视化街道网络。OSM提供了兴趣点POI、建筑足迹、海拔数据、街道方位/方向和网络路由。osmnx官方链接一般通过pip或conda的方式进行安装,与一般包不同的是,osmnx需要许多前置包,因此安装如下:pip install descartes folium geopy matplotlib networkx numpy pandas requests pyproj原创 2021-10-25 22:05:08 · 1107 阅读 · 0 评论 -
Matplotlib基本用法梳理
Matplotlib0 简介Matplotlib是一个可视化python包,可以用很简单的代码展示2D绘图,如:直方图、折线图、条形图、散点图等。其画图的基本组件包括:画板(figure),轴域(axes),子图(subplot),轴(axis),数据(x,y坐标)。关于轴域和子图的相关性和区别,可以参考文末链接python matplotlib中axes与axis的区别是什么?。1 安装pip install matplotlibimport matplotlibmatplotlib._原创 2021-10-25 21:49:33 · 527 阅读 · 0 评论 -
Attention Mechanism[Transformer、Transformer-XL、XLNet]
ContentAttention Mechanism--->聚焦关键点1 History2 Introduction3 structure4 application situation5 results6 RefAttention is all you need --- Transformer1 摘要2 模型框架:Character-Level Language Modeling with Deeper Self-Attention1 模型解释2 训练小trickTransformer-XL: Att原创 2021-07-06 15:46:28 · 618 阅读 · 0 评论 -
模型复现之pickle文件操作
实验中有的文件使用pickle的方式读取的。python中几乎所有的数据类型(列表,字典,集合,类等)都可以用pickle来序列化,pickle序列化后的数据,可读性差,人一般无法识别。pickle文件的基本操作:import pickleimport numpy as np# 随便用numpy生成一些数据充当datasetdata = {'a': np.arange(10), 'b':np.random.randint(10), 'c':np.random.ra转载 2021-04-17 09:52:31 · 1105 阅读 · 0 评论 -
模型复现之HDF5文件
从GitHub上下载的代码,涉及到的数据都是以.h5为后缀的,那么这是什么类型的文件呢?可以找到,代码中都引入了这个包h5py,接下来一起看看这种文件怎么读取吧!An HDF5 file is a container for two kinds of objects: datasets, which are array-like collections of data, andgroups, which are folder-like containers that hold datasets and原创 2021-04-17 09:50:53 · 883 阅读 · 0 评论 -
模型复现之argparse参数解析
argparse学习WaveNet代码时,遇到大量的argparse的使用,那么这个包究竟是什么用处呢?怎么使用呢?import argparseparser = argparse.ArgumentParser(description='PyTorch MNIST Example')parser.add_argument('--epochs', type=int, default=10, metavar='N', help='number of epochs to train (default:原创 2021-04-17 09:34:28 · 755 阅读 · 0 评论 -
[2021-AAAI-STFGNN]Spatial-Temporal Fusion Graph Neural Networks for Traffic Flow Forecasting
1.文章信息【21-AAAI】【STFGNN】《Spatial-Temporal Fusion Graph Neural Networks for Traffic Flow Forecasting》。这是北大发表在计算机顶级会议AAAI2021上的一篇文章。2.摘要交通流的时空数据预测是一项具有挑战性的任务,因为复杂的空间依赖性和不同道路之间的时空模式的动态趋势。现有框架通常利用给定的空间邻接图和复杂的机制来对空间和时间相关性进行建模。但是,具有不完整相邻连接的给定空间图结构的有限表示可能会限制那些模转载 2021-04-15 11:26:52 · 2754 阅读 · 1 评论 -
模型复现之logging日志模块
留坑原创 2021-04-13 16:11:14 · 196 阅读 · 0 评论 -
GAT
1.GCN 缺点在之前的文章38.图神经网络 GNN 之图卷积网络 (GCN)介绍了图卷积神经网络 GCN,不熟悉的童鞋可以参考一下。GNN 模型可以分为频谱域 (spectral domain) 和空间域 (spatial domain) 两大类:spectral 的方法通常利用了拉普拉斯矩阵,借助图谱的方式进行卷积操作;spatial 的方法通常使用更直接的方式聚合邻居节点的信息。之前介绍的该 GCN 模型是基于频谱域 (spectral domain) 的,利用了拉普拉斯矩阵,总的来说 GCN 存转载 2021-04-08 22:47:26 · 1120 阅读 · 1 评论 -
2018 Spatio-Temporal Graph Convolutional Networks: A Deep Learning Framework for Traffic Forecasting
2018 [STGCN] Spatio-Temporal Graph Convolutional Networks: A Deep Learning Framework for Traffic Forecasting摘要及时准确的交通预测对城市交通控制和指导至关重要。由于交通流的高非线性和复杂性,传统的方法不能满足的要求中长期预测任务,往往忽视时空依赖性。本文提出了一种新的深度学习框架——时空图卷积网络(STGCN),以解决交通领域中的时间序列预测问题。我们没有应用正则卷积单位和递归单元,而是用图表示问原创 2021-04-08 22:00:34 · 1807 阅读 · 3 评论 -
图神经网络详解及其在交通预测方面的应用
layout: myposttitle: 图神经网络及其在交通预测方面的应用categories: [Traffic prediction, Graph Neural Networks]图神经网络图神经网络可以粗略地分为基于谱的图神经网络和基于空间的图神经网络。其中前者从图的傅立叶变换而来,具有坚实的理论基础,在通过多番简化之后,其计算开销、局部性等已经能够满足大部分情形下的要求,但是它只能用来处理边上权重维数为111的无向图。而后者虽然缺乏理论基础,但是可以用来处理更加广泛的图结构数据,如有向图.转载 2021-04-08 21:52:13 · 2804 阅读 · 1 评论 -
硕士生如何学习论文、期刊文献
转载一个对我帮助很大的研究生手册,作者是台湾清华大学的彭明辉教授。比较长,但绝对值得一读。就我自己读研时候的体会,这个手册中的内容,至少帮我节约了一半的用于寻找/阅读参考文献的时间。一、论文的要求 我对硕士论文的基本要求是: (1)论文的主要内容,是叙述一套方法在一个特定场合中的应用。 (2)这套方法必须要有所创新或突破,并因而对学术界有所贡献。因此,它或者是解决既有问题的新方法,或...转载 2020-01-14 15:50:36 · 642 阅读 · 0 评论 -
TCN: TEMPORAL CONVOLUTIONAL NETWORKS
搬运自:Raushan Roy-TEMPORAL CONVOLUTIONAL NETWORKSLearning sequences efficiently and effectivelyUntil recently the default choice for sequence modeling task was RNNs because of their great ability to capture temporal dependencies in sequential data. There a转载 2020-08-13 10:25:50 · 2587 阅读 · 0 评论 -
论文详解笔记:Graph WaveNet for Deep Spatial-Temporal Graph Modeling
Graph WaveNet for Deep Spatial-Temporal Graph Modeling本文提出了一个新的时空图建模方法原创 2020-08-17 15:12:03 · 6241 阅读 · 20 评论 -
On-Street and Off-Street Parking Availability Prediction Using Multivariate Spatio-temporal Models
On-Street and Off-Street Parking Availability Prediction Using Multivariate Spatio-temporal Models【2015 IEEE】abstractionintroductionmodelingmodel’s trainingPA predictiondemonstrationconclusion...原创 2020-04-30 15:48:45 · 484 阅读 · 0 评论 -
【Hard to Park】Semi-Supervised Hierarchical Recurrent Graph Neural Network
Semi-Supervised Hierarchical Recurrent Graph Neural Network for City-Wide Parking Availability Prediction用于城市范围内停车可用性监测的半监督分层递归图神经网络Abstract对市内停车位的有效预测可以提高停车效率,帮助停车规划,从而最终有效解决停车拥堵。解决该问题面临以下三个挑战:...原创 2020-02-05 11:36:32 · 965 阅读 · 0 评论 -
【Hard to Park】Estimating Parking Difficulty at Scale
TitleHard to Park? Estimating Parking Difficulty at ScaleAuthorNeha Arora James Cook Ravi Kumar Ivan Kuznetsov Yechen Li Huai-Jen Liang Andrew Miller Andrew Tomkins Iveel Tsogsuren Yi WangSourceK...原创 2020-02-05 09:42:02 · 496 阅读 · 0 评论 -
A MCTS for Dynamic Bike Reposition in Bike-Sharing Systems
共享单车系统中自行车动态重定位的一种MCTS方法1.什么是MCTS?MCTS讲解Chernoff-Hoeffding Bound2.基础知识储备中心极限定理&大数定律公式中心极限定理理解...原创 2019-11-13 10:21:57 · 169 阅读 · 0 评论