基于图神经网络与多元正态分布的犯罪预测
机器学习
2021-12-17 v2 人工智能
摘要
现有的犯罪预测方法由于将概率值分配给大区域，无法表达细节。本文引入了一种结合图卷积网络（GCN）与多元高斯分布的新架构，以执行适用于任意时空数据的高分辨率预测。我们通过利用 GCN 的灵活结构并提供细分算法来解决高分辨率中的稀疏性问题。我们使用图卷积门控循环单元（Graph-ConvGRU）构建模型，以学习空间、时间和类别关系。在图的每个节点中，我们从 GCN 提取的特征中学习多元概率分布。我们在真实与合成数据集上进行实验，我们的模型在基线模型中获得了最佳的验证和测试分数，并有显著改进。我们表明我们的模型不仅是生成式的，而且是精确的。
引用
@article{arxiv.2111.14733,
title = {Crime Prediction with Graph Neural Networks and Multivariate Normal Distributions},
author = {Selim Furkan Tekin and Suleyman Serdar Kozat},
journal= {arXiv preprint arXiv:2111.14733},
year = {2021}
}
备注
Added references for coding libraries, and typos on equations and figure captions fixed