MegaCRN：用于时空建模的元图卷积循环网络
机器学习
2023-04-21 v2 人工智能
摘要
时空建模作为多元时间序列预测的经典任务，一直是人工智能领域的重点研究课题。为解决图流中隐含的异质性与非平稳性，本研究提出时空元图学习作为一种新颖的时空数据图结构学习机制。具体而言，我们将该思想实现为元图卷积循环网络（MegaCRN），通过将由元节点库驱动的元图学习器嵌入 GCRN 编码器-解码器。我们在两个基准数据集（METR-LA 与 PEMS-BAY）以及一个包含多种非平稳现象的大规模时空数据集上进行了综合评估。我们的模型在全部三个数据集上大幅优于当前最优方法（超过 27% MAE 与 34% RMSE）。此外，通过一系列定性评估，我们证明模型能显式解耦具有不同模式的地点与时间片，并对不同异常情形具有鲁棒适应性。代码与数据集见 https://github.com/deepkashiwa20/MegaCRN。
引用
@article{arxiv.2212.05989,
title = {MegaCRN: Meta-Graph Convolutional Recurrent Network for Spatio-Temporal Modeling},
author = {Renhe Jiang and Zhaonan Wang and Jiawei Yong and Puneet Jeph and Quanjun Chen and Yasumasa Kobayashi and Xuan Song and Toyotaro Suzumura and Shintaro Fukushima},
journal= {arXiv preprint arXiv:2212.05989},
year = {2023}
}
备注
Rejected by AIJ. We withdraw for now and shall further work on the manuscript