demand prediction | BriefGPT

关键词demand prediction

搜索结果 - 13

F-FOMAML：使用代理数据的 GNN 增强型元学习进行高峰期需求预测
我们提出了一种新颖的方法，利用非高峰时期的类似实体的代理数据以及基于图神经网络的特征学习模型，将需求预测问题转化为元学习问题，并开发了基于特征的第一阶段模型无关元学习算法 (F-FOMAML)，通过利用代理数据和 GNN 生成的关系元数据来
PDF13 days ago
供应链网络中基于 GNN 的概率供应和库存预测
在复杂供应链网络中，准确预测供应是具有挑战性的，但通过图形结构化历史数据，需求预测和原始供应计划的注意力机制图神经网络模型可显著提高供应和库存预测准确性，并为优化执行提供供应计划修正。
PDF3 months ago
乘车系统中公平增强的车辆再平衡
通过引入 Socio-Aware Spatial-Temporal Graph Convolutional Network（SA-STGCN）进行需求预测，并结合匹配集成优化的车辆再平衡模型（MIVR），本研究提出一种新型车辆再平衡方法，以
PDF6 months ago
灾难响应中的主动资源请求：基于深度学习的优化模型
灾害响应中资源管理和需求预测的优化问题，并提出了基于深度学习的新方法，经过实验验证其在实际数据和模拟数据上的卓越表现，同时在多利益相关者和多目标设置下也显示出了其卓越性能。
PDFa year ago
基于时空外部因素的深度融合网络 (STEF-DHNet) 用于增强长期出租车需求预测
本研究介绍了一种名为 STEF-DHNet 的需求预测模型，该模型结合了卷积神经网络和长短期记忆来集成外部要素作为空间和时间信息，并捕捉它们对叫车需求的影响，结果表明该模型在三个不同的数据集上优于现有的最先进方法，具有在实际应用场景中实用的
PDFa year ago
ICN: 交互式卷积网络用于共享微移动出行需求预测
本文提出了一种名为交互卷积网络（Interactive Convolutional Network，ICN）的深度学习模型，用于预测共享微移动的时空旅行需求，该模型利用多维度的空间信息来构建深度学习模型，并评估了在芝加哥和奥斯汀两个真实案例
PDFa year ago
基于领域对抗图神经网络的自行车共享需求预测的跨模态知识适应
本文提出了一种基于多模式历史数据的领域对抗多关系图神经网络（DA-MRGNN）来预测共享单车的需求和补给平衡，实验结果证明其相对于现有方法具有卓越的性能和不同模型组件的有效性，并且通过可解释性技术来解释预测结果。
PDF2 years ago
基于跨模态知识共享的自行车共享需求预测：一种基于图的深度学习方法
本研究提出了一种基于图的深度学习方法（B-MRGNN）来预测单车共享需求，并利用多模式历史数据作为输入，在不同交通模式之间建立空间依赖性，实验结果表明比现有方法具有更好的性能。
PDF2 years ago
基于深度多任务多图学习的多模式打车需求联合预测
本研究提出了一种深度多任务多图卷积学习方法，通过多个多图卷积神经网络对不同服务模式的需求进行预测，并建立多任务学习模块来实现跨网络知识共享，从而更好地实现车辆资源的分配和调度。在曼哈顿的出租车数据集上进行评估，结果表明我们的方法在不同出行方
PDF4 years ago
WSDM限量销售数据的市场细分需求预测的关系感知元学习
本文旨在通过提出一种名为 RMLDP 的新算法，该算法结合了多种模式融合网络 (MPFN) 和元学习范式，以解决市场细分需求预测中的数据不足问题。实验表明，该算法优于一组最先进的基线模型，并已在淘宝等电商平台上进行实际应用。
PDF4 years ago
使用时空编码器 - 解码器残差多图卷积网络预测出行需求的起点和终点
本文提出了一种基于深度学习的新模型 ST-ED-RMGC，用于准确预测不同 OD 对的出租车需求。在曼哈顿出租车数据集的广泛实验中，该模型的表现优于现有技术。
PDF5 years ago
NIPS多层时间跨度分位数循环预测器
提出一种概率多步时间序列回归的框架，使用序列到序列神经网络（如递归和卷积结构）的表达力和时间特性，量化回归的非参数特性以及直接多视角预测的有效性；并通过针对连续网络的分支序列新训练方案来提高稳定性和性能。通过预测亚马逊销售的商品未来需求和公
PDF7 years ago
IJCAI电动汽车充电站需求预测与放置优化
本文提出了一个多视图学习框架，使用了 CCA 模型对候选站点进行需求预测，并使用混合填充和覆盖优化框架来解决服务提供商和电动汽车用户之间的竞争关系，通过交替调用背包和集合覆盖算法来解决这些问题，该模型制定的方案使用真实世界数据进行了评估。
PDF8 years ago