张量时间序列网络
机器学习
2021-05-17 v3 人工智能
摘要
共演化时间序列出现在众多应用中,如环境监测、金融分析与智能交通。本文旨在应对以下挑战,包括(C1)如何纳入时间序列的显式关系网络;(C2)如何对时间动态的隐式关系建模。我们提出一种称为张量时间序列网络的新模型,其由两个模块组成,包括张量图卷积网络(TGCN)与张量循环神经网络(TRNN)。TGCN通过将用于平面图的图卷积网络(GCN)推广至张量图来解决第一个挑战,从而捕捉与张量关联的多个图之间的协同作用。TRNN利用张量分解对共演化时间序列间的隐式关系建模。在五个真实世界数据集上的实验结果证明了所提方法的有效性。
引用
@article{arxiv.2102.07736,
title = {Network of Tensor Time Series},
author = {Baoyu Jing and Hanghang Tong and Yada Zhu},
journal= {arXiv preprint arXiv:2102.07736},
year = {2021}
}
备注
Accepted by WWW'2021