이 연구에서는 진보적 그래프 합성곱 신경망(PGCN)을 제안한다. PGCN은 다음과 같은 핵심 특징을 가진다:
진보적 그래프 구조: PGCN은 노드 간 신호의 유사도를 측정하여 시간에 따라 변화하는 그래프 구조를 구축한다. 이를 통해 실시간 교통 데이터의 변화에 적응할 수 있다.
확장된 시간적 특징 추출: PGCN은 확장된 수용 영역을 가지는 확산 인과 합성곱을 사용하여 시간적 특징을 효과적으로 추출한다.
실험 결과: 7개의 실제 교통 데이터셋에 대한 실험 결과, PGCN은 다른 최신 모델들에 비해 일관되게 우수한 성능을 보였다. 특히 예상치 못한 변화와 불규칙성에 강건한 것으로 나타났다.
To Another Language
from source content
arxiv.org
Principais Insights Extraídos De
by Yuyol Shin,Y... às arxiv.org 03-22-2024
https://arxiv.org/pdf/2202.08982.pdfPerguntas Mais Profundas