基于深度ST-残差网络的城市人流量预测 读书笔记

Deep Spatio-Temporal Residual Networks for Citywide Crowd Flows Prediction

中文提示:基于深度ST-残差网络的城市人流量预测

 

融合轨迹(人流量)、其他额外数据(气象数据、event、holiday信息)。协同对人流量进行预测。

使用三个CNN模型分别去拟合周期性(period)、邻近性(closeness)和趋势性(trend),在CNN中使用12个残差单元,每个残差单元包含两个 级联的ReLuConv模块,并使用shortcut降低梯度消失的问题

三个性质用weight权重连接,在不同的region和部分使用不同的权重,因为每个地区对不同因素的敏感性不同。在训练时可以对不同的地区的因素采用线性回归的方法进行组合。

其他特征使用全连接网络进行相连 最后其输出和三个CNN融合的输出再进行结合,相加并通过tanh函数映射到-1,1。

最后在rescale到真值区间。

主要贡献:

评论 11
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值