【摘 要】
:
融合了路网结构的交通流态势预测是一个高度非线性化且复杂的时空动态相关性的时序数据预测问题。然而,传统交通流态势预测方法无法建模交通网络中长时间序列数据间的时空相
【机 构】
:
中国科学院软件研究所,中国科学院大学,大规模流数据集成与分析技术北京市重点实验室
【基金项目】
:
国家自然科学基金(61703013,91646201),北京市自然科学基金(4192004)。
论文部分内容阅读
融合了路网结构的交通流态势预测是一个高度非线性化且复杂的时空动态相关性的时序数据预测问题。然而,传统交通流态势预测方法无法建模交通网络中长时间序列数据间的时空相关性。针对交通路网交通流态势预测问题,提出了一种基于图结构的交通流预测深度学习模型。首先,基于图小波变换定义图小波卷积算子,设计了面向路网交通流态势预测的图小波卷积神经网络模块;其次,结合时空注意机制构建了用于道路网络交通流态势预测的时空动态相关性模型,以捕获交通网络的动态时空相关性;最后,采用叠加多层图小波神经网络模块的策略,构建了一种面向路网交
其他文献
质量是经济社会发展的基础,是一个国家和地区综合实力和竞争力的重要体现。作为正处于建设现代化国际大都市,“十三五”期间,青岛市以质量促发展、以质量促转型,在质量治理、
为更完善儿童用户的需求,增强用户参与式体验,进行儿童陪伴机器人的改进设计与研究。运用层次分析法对用户需求进行分析,确立设计要素,从功能、外观和体验三个方面建立参与式
新时代背景下的思想政治教育着重强调文化育人,在冶金类高等院校中,矿冶文化与思政教育有着广阔的互动发展前景,把矿冶文化融入到高校思政教育当中,可以有针对性的对冶金类高
为了提高神经网络分类器的性能,提出一种基于K均值聚类的分段样本数据选择方法。首先通过K均值聚类把训练样本根据已知的类别数进行聚类,对比聚类前后的各类样本,找出聚类错误的样本集和聚类正确的样本集;聚类正确的样本集根据各样本到聚类中心的距离进行排序并均分为五段,挑选各类的奇数段样本和聚类错误的样本构成新的训练样本集。该方法能够提取信息量大的样本,剔除冗余样本,减少样本数量的同时提高样本质量。利用该方法
人体运动和行为分析成为普适计算中一个新兴的研究领域,针对目前行为识别方法成本高、精度低等问题,提出一种基于多天线联合判决的信道状态信息(CSI)高效人体行为识别方法(MA
特种设备安全监管是市场监管的重要组成部分,是直接关系民生安全的一项专业性很强的工作。特种设备一旦发生事故,就容易造成人身伤亡或重大经济损失。然而很多使用单位主体责
为提高PM2.5长期预测精度,以空气污染物与气象因素作为影响因子,提出一种基于深度学习的TSMN(time series memory network)预测模型。该模型由两个组件构成,本地记忆组件利用外部记忆方式提高模型长程记忆能力,并与多站点空间关系建模的邻域组件协同从时空角度完成PM2.5长期预测。通过使用不同评价指标将TSMN模型与多种模型进行对比,其中与性能较优的CNN-LSTM模型相比,
社会网络中的信息扩散是目前国际上关注的研究方向,而破产传染作为社会金融中一类特殊而又重要的传播现象,也是当前社会经济领域非常关心的问题。然而,已有的金融传播研究中通常只基于单层的交互关系来分析传播行为,忽略了真实金融主体之间多重社会关系的交叉性。针对该问题,基于多智能体对多重社会网络中的破产传染现象进行建模,构建了纵向复合和并行独立多重网络传染模型,前者关注不同关系网络层次之间的跨层间影响,后者偏
正确理解并作出二维线性自治系统的相图是常微分方程中的一个重要技巧,然而,学生对这一方法理解较困难,很难画出正确的相图,特别是奇点为两向结点的二维线性自治系统的相图。
深度强化学习在训练过程中会探索大量环境样本,造成算法收敛时间过长,而重用或传输来自先前任务(源任务)学习的知识,对算法在新任务(目标任务)的学习具有提高算法收敛速度的潜力。为了提高算法学习效率,提出一种双Q网络学习的迁移强化学习算法,其基于actor-critic框架迁移源任务最优值函数的知识,使目标任务中值函数网络对策略作出更准确的评价,引导策略快速向最优策略方向更新。将该算法用于Open AI