Xhfei1224
研究方向:数据挖掘/机器学习/深度学习(博士在读)
展开
-
【车流量预测】(2021IGAGCN)IGAGCN:用于交通流预测的信息几何和基于注意力的时空图卷积网络
写在前面的话: 本次介绍一篇今年刚出版的一个关于车流量预测的论文,从论文的框架图可以看出本文是与ASTGCN有很大的相似性,也是将Week,Day,Hour三种输入分开利用模型然后进行的方式,唯一的不同(创新点)就是将核心部分使用IGAGCN cell的方式进行打包了。而其中IGAGCN cell也是使用了我们常用的temporal attention和spatial attention等方式进行结合。虽然说本文的方式没有独特的亮点,但是本文的写作具有参考性,且有一定的完整性。详细的大家可以看看全文。An原创 2021-07-06 10:13:00 · 1389 阅读 · 0 评论 -
【车流量预测】(2018DCRNN)Diffusion convolutional recurrent neural network: Data-driven traffic forecasting
DCRNN:扩散卷积循环神经网络:数据驱动的交通预测Li Y, Yu R, Shahabi C, et al. Diffusion convolutional recurrent neural network: Data-driven traffic forecasting[J]. ICLR:1707.01926, 2018.1.摘要 时空预测在神经科学、气候、交通等领域有着广泛的应用。交通预测就是这种学习任务的典型例子。由于(1)对道路网络的复杂空间依赖性,(2)随着道路条件变化的非线性时..原创 2021-06-25 21:40:28 · 1259 阅读 · 0 评论 -
【车流量预测论文】(2020)GMAN: A Graph Multi-Attention Network for Traffic Prediction-20201213
GMAN:一种用于交通预测的图形多注意网络GMAN: A Graph Multi-Attention Network for Traffic Prediction论文参考代码Github:https://github.com/suu1994/GMAN摘要由于交通系统的复杂性和许多影响因素不断变化的性质,长期交通预测具有很大的挑战性。在本文中,我们关注时空因素,并提出一种图多注意网络(GMAN)预测道路网络图中不同位置的超前时间步长的交通状况。GMAN采用了一种编码器-解码器架构,其中编码器和解码器均原创 2020-12-13 20:18:05 · 2407 阅读 · 3 评论 -
【车流量预测论文】Geoman: Multi-level attention networks for geo-sensory time series prediction.-20201206
GeoMAN:基于multi-level attention机制的传感器时间序列预测模型简单的Pytorch实现,具体可以参考Github: https://github.com/xchadesi/GeoMAN, 这里主要介绍一下该模型的应用场景、多层注意力机制原理,以及输入数据的构造方法等。1.应用场景上图是北京市地区的空气检测站的分布图,每一个检测站被称之为一个sensor,每一个sensor在一天之内都会间隔固定的时间(一般是5min)采集空气数据,其中包括:温度、湿度、PM2.5(是本文需原创 2020-12-06 11:28:05 · 1070 阅读 · 0 评论 -
【车流量预测论文】Graph WaveNet for Deep Spatial-Temporal Graph Modeling-20201201
用于深度时空图建模的图波网Graph WaveNet for Deep Spatial-Temporal Graph Modeling1.摘要本文提出了一个新的时空图建模方式,并以交通预测问题作为案例进行全文的论述和实验。交通预测属于时空任务,其面临的挑战就是复杂的空间依赖性和时间依赖性。近年来由于图卷积的火热,加上路网结构和图卷积的契合,在交通领域的应用达到了不错的效果。然而,之前的工作存在一些不足。对空间层面而言,之前的工作往往是在一张固定的图结构上取捕获空间依赖特征,假设实体之间的基本关系是预先原创 2020-12-01 09:17:59 · 3212 阅读 · 1 评论 -
【车流量预测论文】(2020)city-wide traffic flow forecasting using a deep convolutional neural network[1101]
使用深度卷积神经网络进行全市交通流预测city-wide traffic flow forecasting using a deep convolutional neural networkCity-wide traffic flow forecasting is a significant function of the Intelligent Transport System (ITS), which plays an important role in city traffic managemen原创 2020-11-01 21:29:35 · 951 阅读 · 0 评论 -
【车流量预测论文】多层双向和单向LSTM递归神经网络用于全网络交通速度预测[1026]
多层双向和单向LSTM递归神经网络用于全网络交通速度预测Stacked Bidirectional and Unidirectional LSTM Recurrent Neural Network for Network-wide Traffic Speed PredictionShort-term traffic forecasting based on deep learning methods, especially long short-term memory (LSTM) neural net原创 2020-10-26 11:00:04 · 1534 阅读 · 6 评论 -
【车流量预测论文】一种基于多模态深度学习的混合交通流预测方法[1025]
一种基于多模态深度学习的混合交通流预测方法A Hybrid Method for Traffic Flow Forecasting Using Multimodal Deep Learning作者团队:西南交通大学&国立台湾科技大学等Traffic flow forecasting has been regarded as a key problem of intelligent transport systems. In this work, we propose a hybrid mult原创 2020-10-25 20:54:45 · 1283 阅读 · 0 评论