关键词graph convolutional recurrent network
搜索结果 - 3
- 多元时间序列预测中发现图模型的稀疏性利用
本文提出了一种分离式训练方法,利用 GraphLASSO 算法生成稀疏图结构,使用 Graph Convolutional Recurrent Network 模型进行多元时间序列预测,实验结果表明,该方法可以在保证模型性能的同时,生成稀疏 - 基于注意力机制的时空图卷积循环神经网络用于交通预测
本文提出了一种新的空间 - 时间神经网络框架 ASTGCRN,其中包括图卷积循环模块 GCRN 和全局注意力模块,以有效地对运输数据进行复杂的时空依赖性和相关性建模,并采用三个独立模块的时间关注层来实现对全局时间依赖性的有效提取。实验结果表 - 利用图卷积循环神经网络进行结构化序列建模
本文介绍了图卷积循环网络(GCRN),这是一种深度学习模型,能够预测结构化数据序列。GCRN 是经典递归神经网络(RNN)在任意图结构数据上的泛化。该模型将图上的卷积神经网络 (CNN) 与 RNN 相结合,以找出动态模式和空间结构,并将其