spatial-temporal dependencies | BriefGPT

关键词spatial-temporal dependencies

搜索结果 - 12

持续演化的图神经控制微分方程用于交通预测
提出了连续演化图神经控制微分方程（CEGNCDE）来同时捕捉连续的时间依赖关系和随时间演变的空间依赖关系，通过基于 NCDE 的连续演化图生成器（CEGG）来生成连续演化的离散历史观测下的空间依赖图，然后引入了图神经控制微分方程（GNCDE
PDF5 months ago
张量图卷积网络用于动态图表征学习
本文提出了一种基于张量图卷积网络的动态图表示学习模型，通过在张量乘积的基础上设计张量图卷积网络来同时建模时空特征，实验结果表明我们的模型获得了最先进的性能。
PDF6 months ago
NeutronStream：一种面向图流的具有滑动窗口的动态 GNN 训练框架
NeutronStream 是一个用于训练动态 GNN 模型的框架，它将输入的动态图抽象为一个按时间顺序更新的事件流，并通过优化的滑动窗口逐步捕捉事件的时空依赖关系。此外，NeutronStream 提供了一个并行执行引擎来解决顺序事件处理
PDF7 months ago
多尺度时空循环网络用于交通流预测
提出了一种多尺度空时循环神经网络 (MSSTRN) 用于交通流量预测，结合了两种不同的循环神经网络来捕捉不同时间窗口下的复杂空时信息，并通过自注意机制和自适应位置图卷积实现了空时依赖的同步捕捉，实验结果表明，该模型的预测准确性优于其他二十种
PDF9 months ago
多元时间序列数据的全连接时空图
提出了一种名为全连接时空图神经网络（FC-STGNN）的新方法，通过将传感器之间的相关性考虑为不同时间戳下的相关性，来全面建模多元时间序列数据中的时空依赖关系，并有效地捕捉和学习有效的表示，实验证明其在多个多元时间序列数据集上相对于其他方法
PDF10 months ago
ICCV辅助任务对基于 3D 骨架的人体运动预测的影响
通过引入辅助任务的模型学习框架，本文提出了一种新的方向，即通过捕捉时空依赖关系以实现坐标恢复，以及通过辅助任务促使辅助自适应变压器更好地学习特征，并通过实验证明了该方法的优越性。
PDFa year ago
DSTCGCN: 学习交通预测的动态时空交叉依赖
本文提出了一种动态空时交叉图卷积神经网络（DSTCGCN）用于交通预测，结合了时间和空间维度的依赖关系，通过快速傅里叶变换（FFT）选择相关的时间步长，利用空间和时间连接功能模块建立动态的空时交叉依赖关系，实验结果表明，DSTCGCN 具有
PDFa year ago
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
PDFa year ago
KDD利用图神经网络探索空间传播进行地区疫情预测
提出了一种基于图神经网络的流行病预测模型 EpiGNN，该模型通过传播风险编码、区域感知图学习器和外部资源融合等操作，能够更好地探索流行病的时空依赖关系，提高预测效果。在 5 个真实流行病数据集上的实验结果表明，EpiGNN 模型的 RMS
PDF2 years ago
IJCAIMotionMixer: 基于 MLP 的三维人体姿态预测
本文提出了 MotionMixer，这是一种高效的三维人体姿势预测模型，完全基于多层感知器。通过顺序混合两种模态，MotionMixer 学习了空间 - 时间三维身体姿势之间的依赖关系。通过使用 squeeze-and-excitation
PDF2 years ago
AAAI基于时空融合的图神经网络用于交通流量预测
本文提出一种名为 STFGNN 的基于图神经网络的交通流预测模型，结合空间和时间各种图的融合操作，以及门控卷积模块来处理长序列，实现了比其它基线更好的性能。
PDF4 years ago
STG2Seq：面向多阶段乘客需求预测的时空图到序列模型
本文提出了一种基于图的多步城市乘客需求预测模型，使用层次图卷积结构同时捕捉空间和时间相关性，结果表明该模型在三个真实数据集上表现出色。
PDF5 years ago