用于交通预测的图神经控制微分方程
机器学习
2021-12-08 v1 人工智能
摘要
交通预测是机器学习领域中最受欢迎的时空任务之一。该领域一种流行的方法是结合图卷积网络与循环神经网络进行时空处理。竞争十分激烈，许多新颖方法被提出。本文中，我们提出时空图神经控制微分方程（STG-NCDE）方法。神经控制微分方程（NCDEs）是处理序列数据的一项突破性概念。我们扩展了该概念并设计了两个 NCDE：一个用于时间处理，另一个用于空间处理。之后，我们将它们组合为单一框架。我们使用 6 个基准数据集和 20 个基线进行实验。STG-NCDE 在所有情况下均展现出最佳精度，以显著优势超越全部 20 个基线。
引用
@article{arxiv.2112.03558,
title = {Graph Neural Controlled Differential Equations for Traffic Forecasting},
author = {Jeongwhan Choi and Hwangyong Choi and Jeehyun Hwang and Noseong Park},
journal= {arXiv preprint arXiv:2112.03558},
year = {2021}
}
备注
Accepted by AAAI 2022