spatio-temporal graph neural networks | BriefGPT

关键词spatio-temporal graph neural networks

搜索结果 - 7

基于 Prompt 的时空图迁移学习
提出了一个基于提示增强的跨时空图转移学习框架，适应数据稀缺领域中的多样任务，在三个下游任务预测、克里金插值和外推中明显优于现有基线方法。
PDFa month ago
西部 GCN-LSTM: 加权堆叠的时空图神经网络用于区域交通预测
通过引入共享边界策略和可调节跳数策略，该研究提出了一种新的 WEst GCN-LSTM 空间 - 时间图神经网络架构，对区域交通预测进行了改进，并在实验评估中显著优于其他 19 种预测模型。进一步的消融实验表明，该解决方案的每个组成部分都对
PDF2 months ago
时空场神经网络用于空气质量推断
通过融合领域和图两种不同的时空观察角度，我们提出一种新的模型，即时空场神经网络，并引入了相应的新框架 Pyramidal Inference，广泛实验证明我们的模型在中国大陆的全国范围内空气质量推断方面取得了最先进的性能，证明了我们提出的模
PDF4 months ago
考虑不完全的拓扑信息的电力系统中虚拟数据注入攻击定位：时空图小波卷积神经网络方法
研究了虚拟数据注入攻击对电力系统安全和稳定运行的严重威胁，提出了一种基于时空图神经网络的攻击定位方法，通过综合分析案例，严谨地证明了该方法的准确性和有效性。
PDF5 months ago
可解释的时空图神经网络
提出了一种可解释的空时图神经网络（STExplainer）框架，以提高 Spatio-temporal Graph Neural Networks（STGNNs）的可解释性，同时实现准确的预测和可信的解释。通过与其他模型的实验比较，证明 S
PDF8 months ago
解读时空图预测：因果视角与处理
通过使用因果治疗，本文提出了一种名为 CaST 的新框架来解决时空图预测中的时间分布外问题和动态空间因果问题，该框架通过建立结构因果模型来解析 STG 的数据生成过程，使用新的解缠结块通过反门调整来处理时间分布外问题，并利用前门调整和 Ho
PDF9 months ago
交通流量预测的动态超图结构学习
本文研究了交通流预测问题，通过建模交通网络和过去的交通状况来预测未来的交通情况。为了解决现有方法在复杂交通网络中表现不佳的问题，本文提出了一种名为动态超图结构学习 (DyHSL) 的新模型，该模型通过提取超图结构信息来学习非成对关系，并通过
PDF9 months ago