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.
翻譯成其他語言
從原文內容
arxiv.org
深入探究