chenxino

论文笔记

/ 注册

全部文章 / 论文笔记（共13篇）

论文笔记--GMAN: A Graph Multi-Attention Network for Traffic Prediction

Summary 在交通预测问题上，作者针对时空因素提出了一种图多注意网络(GMAN)来预测道路网络图上不同位置的时间步长提前的交通状况。GMAN主要采用了编码解码的架构。编码器和解码器之间包含一个注意力转换模块，模拟历史时间步与未来时间步之间的关系，有助于缓解预测时间步之间的误差传播问题。在实验中...

2021-10-07

0 1075

论文笔记--Spatial-Temporal Fusion Graph Neural Networks for Traffic Flow Forecasting

在交通预测问题上，现有的框架通常利用给定的空间邻接图和复杂的机制来建模空间和时间关联。作者认为使用给定的空间邻接图会限制模型的有效时空相关性学习，并且它们通常使用单独的模块来实现空间和时间相关性，或者只使用独立的组件来捕获局部或全局的异质依赖关系，割裂了时空依赖关系。为此作者提出一种时空融合图神经网...

2021-10-07

0 1481

论文笔记--Connecting the Dots: Multivariate Time Series Forecasting with Graph Neural Networks

作者提出了一个针对多元时间序列数据设计的通用图神经网络框架。通过图形学习模块自动提取变量之间的单向关系。进一步对空间上图卷积层和时间上空洞卷积层进行改进来捕获时间序列中的空间和时间依赖性。 Problem Definition Challenge: ①在时间序列预测的问题上，目前的GNN方法都依...

2021-10-07

0 1759

论文笔记--Coupled Layer-wise Graph Convolution for Transportation Demand Prediction

交通预测中，现有的预设图的图卷积方法，不能准确反映车站的真实空间关系，也不能自适应地捕捉需求的多层次空间依赖性。针对上述问题，本文提出了一种新的用于交通预测的图卷积网络。该图卷积结构在不同层使用不同的邻接矩阵，所有的邻接矩阵在训练过程中都是自学习的，提供一种分层耦合机制，将上层邻接矩阵与下层邻接矩阵...

2021-10-07

0 614

论文笔记--FC-GAGA: Fully Connected Gated Graph Architecture for Spatio-Temporal Traffic Forecasting

在时空预测中，作者提出一种不需要预定义图，不使用时空卷积，RNN的预测模型。基本上自使用全连接网络和一些门控来构建时空预测模型。它通过可学习的图形权重来衡量所有的其它节点的历史观测值，通过ReLU函数对他们进行门控，最后将所有节点的门控观测值叠加起来，通过全连接层的残差块处理它们。 Problem...

2021-10-07

0 890

论文笔记--Position-aware Graph Neural Networks

现存的GNN都无法获取点的位置信息，不能很好的处理同构的点，作者提出一种用于计算位置感知节点嵌入的新型图形神经网络P-GNN（位置感知图神经网络），用于解决这个问题。该方法主要在于选取锚集，计算给定目标节点到每个锚集的距离，然后学习锚集上的非线性距离加权聚合方案。通过这种方式，P-GNN可以捕获...

2021-10-07

0 726

论文笔记--Enhancing Personalized Trip Recommendation with Attractive Routes

作者认为现在大部分的兴趣点推荐算法大多只根据POIs本身的受欢迎程度来进行推荐。但事实上POIs之间的一些路线也有吸引力。在这篇论文中作者提出了同时使用POIs和Attractive Route (AR)的方法来个性化旅游路线推荐。论文主要解决了三个问题(1)如何发现有AR? (2) 如何对AR的评...

2021-10-07

0 626

论文笔记--Graph Neural Network-Based Anomaly Detection in Multivariate Time Series

Graph Neural Network-Based Anomaly Detection in Multivariate Time Series Summary 给定多元时序数据（传感器数据），如何检测异常事件（系统错误或者被攻击）？怎样捕获传感器之间复杂关系，解释异常偏离了那些关系？现有的...

2021-10-07

0 2161

论文笔记--InterFusion

作者提出了一种无监督的方法（InterFusion）针对学习MTS数据中不同指标间的依赖和时间顺序上的依赖性进行建模。核心思想是通过两个随机潜变量，结合变分自编码机（VAE）对多维时间序列数据中的正确模式进行建模（使用到预过滤策略）。作者还提出了一种基于马尔科夫链蒙特卡洛的方法，对多维时间序列的异常...

2021-10-07

0 1963

论文笔记--Fine-Grained Service-Level Passenger Flow Prediction for Bus Transit Systems

Fine-Grained Service-Level Passenger Flow Prediction for Bus Transit Systems Based on Multitask Deep Learning(TITS) Research Objective 细粒公交服务级别的流量...

2021-10-07

0 479