时间序列预测 Graph-WaveNet:Graph WaveNet for Deep Spatial-Temporal Graph Modeling

Graph-WaveNet

    • [Graph WaveNet for Deep Spatial-Temporal Graph Modeling](#Graph WaveNet for Deep Spatial-Temporal Graph Modeling)
    • 1.概述
    • [2.提出问题 & 解决策略 & 模型结构](#2.提出问题 & 解决策略 & 模型结构)
    • 3.实验结果

**

Graph WaveNet for Deep Spatial-Temporal Graph Modeling

**

1.概述

时空图建模是分析系统中各组成部分的空间关系和时间趋势的一项重要任务。现有的方法大多捕获固定图结构上的空间依赖,假设实体之间的底层关系是预先确定的。然而,明确的图结构(关系)并不一定反映真实的依赖关系,由于数据中的连接不完整,可能会丢失真实的关系。此外,现有的方法无法捕获时间趋势,因为这些方法中使用的rnn或cnn无法捕获长时间序列。

为了克服这些限制,我们在本文中提出了一种基于CNN的新的图神经网络架构Graph-WaveNet,用于时空图建模。通过建立一种新的自适应邻接矩阵并通过node embedding学习该矩阵 ,该模型可以准确地捕获数据中隐藏的空间依赖。通过a stacked dilated casual 1D convolution component 实现感受野随层数指数级增长,Graph WaveNet能够处理非常长的序列。这两个组件无缝地集成在一个统一的框架中,整个框架以端到端的方式学习。

在metro - la和PEMS-BAY两个公共交通网络数据集上的实验结果证明了该算法的优越性能。

2.提出问题 & 解决策略 & 模型结构

3.实验结果


相关推荐
SweetCode3 分钟前
裴蜀定理:整数解的奥秘
数据结构·python·线性代数·算法·机器学习
Xiaok101815 分钟前
解决 Hugging Face SentenceTransformer 下载失败的完整指南:ProxyError、SSLError与手动下载方案
开发语言·神经网络·php
程序员Linc16 分钟前
写给新人的深度学习扫盲贴:向量与矩阵
人工智能·深度学习·矩阵·向量
CryptoPP16 分钟前
springboot 对接马来西亚数据源API等多个国家的数据源
spring boot·后端·python·金融·区块链
xcLeigh24 分钟前
OpenCV从零开始:30天掌握图像处理基础
图像处理·人工智能·python·opencv
大乔乔布斯24 分钟前
AttributeError: module ‘smtplib‘ has no attribute ‘SMTP_SSL‘ 解决方法
python·bash·ssl
果冻人工智能27 分钟前
如何有效应对 RAG 中的复杂查询?
人工智能
2305_7978820936 分钟前
AI识图小程序的功能框架设计
人工智能·微信小程序·小程序
明灯L37 分钟前
《函数基础与内存机制深度剖析:从 return 语句到各类经典编程题详解》
经验分享·python·算法·链表·经典例题
果冻人工智能37 分钟前
向量搜索中常见的8个错误(以及如何避免它们)
人工智能