- 博客(10)
- 资源 (2)
- 收藏
- 关注
RSS订阅原创 Attention Based Spatial-Temporal Graph Convolutional Networks for Traffic Flow Forecasting
本文提出了一种基于注意力的时空图卷积网络（ASTGCN）模型，用于解决交通流量预测问题。ASTGCN通过三个独立组件来建模交通流的最近依赖性、日周期依赖性和周周期依赖性。每个组件包括时空注意力机制和图卷积，以捕捉动态时空相关性和空间模式。实验结果表明，ASTGCN在Caltrans性能测量系统（PeMS）的两个真实世界数据集上优于最先进的基线。
2024-01-25 09:39:22
998
原创 Dynamic graph convolutional recurrent imputation network for spatiotemporal traffic missing data
在现实世界的智能交通系统中，由于传感器采集的时空交通数据经常出现数据缺失或损坏，这严重阻碍了交通数据研究的发展。为了解决这个问题，研究人员设计了一种名为动态图卷积循环Imputation网络（DGCRIN）的新型深度学习架构。该架构通过图形生成器和动态图形卷积门控循环单元（DGCGRU）对道路网络的动态时空依赖性进行细粒度建模，同时利用辅助GRU学习数据缺失的模式信息，并引入具有衰减机制的融合层来融合不同范围的信息。实验结果表明，DGCRIN在涉及丢失数据的复杂场景中表现出色，优于多个基线模型。
2023-12-28 15:54:26
577
1
原创 Time Lag Aware Sequential Recommendation
Time Lag Aware Sequential Recommendation
2023-10-31 17:03:02
149
4
原创 Learning to Denoise Unreliable Interactions for Graph Collaborative Filtering
Learning to Denoise Unreliable Interactions for Graph Collaborative Filtering
2023-10-13 16:50:04
218
原创 Interpretable Cognitive Diagnosis with Neural Network for Intelligent Educational Systems
Interpretable Cognitive Diagnosis with Neural Network for Intelligent Educational Systems
2023-10-07 17:07:55
203
1
原创 Recommended System Attentive Neural Collaborative Filtering
recommended system attentive neural collaborative filtering
2023-10-07 14:37:36
85
1
原创 系统分析与建模
前言最近临近期末考试，由于之前学习的一门课软件构造，考试考的并不是很理想，因此我今年考试的时候提前复习了系统分析与建模这一个门课，在此记录下复习过程中的笔记。以下内容均为自己的看法和一些课本上的内容，不喜勿喷，谢谢一、对象对象可以是一个实体，一件事，一个名词，也可以是可获得的某种东西，还可以是想象为自己所表示的任何事务。因此可以给出对象的定义：对象是一个实体，这个实体具有明确的定义的边界和标识，并且封装了状态和行为。对象具有很明确定义的边界和标识。边界以为这对象是一个封装体，通过封装来与.
2021-12-06 11:34:27
1164
安卓实训项目报告，项目为个人理财通APP
2022-06-01
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人