- 博客(9)
- 收藏
- 关注
原创 Informer: Beyond Efficient Transformer for Long SequenceTime-Series Forecasting
Beyond Efficient Transformer for Long SequenceTime-Series Forecasting就是用Transformer的方法来对长时间的序列进行一个预测的问题。这篇文章主要面向的问题是序列数据的预测,通过研究历史序列数据掌握其中的规律,进而去预测该序列未来的趋势。
2022-10-18 15:44:33
3225
原创 STGCN时空图卷积网络:用于交通预测的深度学习框架
提出了一种新的深度学习架构——时空图卷积网络,用于交通预测任务。该架构包括几个时空卷积块,它们是图卷积层[Defferrard等人,2016]和卷积序列学习层的组合,以建模空间和时间依赖性。据我们所知,在交通研究中应用纯卷积结构同时从图结构时间序列中提取时空特征尚属首次。我们在两个真实世界的交通数据集上评估我们提出的模型。实验表明,该框架在具有多个预估长度和网络规模的预测任务中性能优于现有的基线。
2022-09-28 21:08:25
6390
空空如也
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人