PyTorch Geometric Temporal：基于神经机器学习模型的时空信号处理
机器学习
2021-06-14 v3 人工智能
社会与信息网络
摘要
我们提出PyTorch Geometric Temporal，一个结合最先进机器学习算法用于神经时空信号处理的深度学习框架。该库的主要目标是在一个统一且易用的框架中，使时序几何深度学习可供研究人员与机器学习从业者使用。PyTorch Geometric Temporal基于PyTorch生态系统中的现有库创建，具有精简的神经网络层定义、用于批处理的时序快照生成器以及集成的基准数据集。这些特性通过一个教程式案例研究加以说明。实验展示了库中实现的模型在真实世界问题上的预测性能，如流行病学预测、网约车需求预测与网络流量管理。我们的运行时敏感性分析表明，该框架有可能在具有丰富时序特征与空间结构的网页规模数据集上运行。
引用
@article{arxiv.2104.07788,
title = {PyTorch Geometric Temporal: Spatiotemporal Signal Processing with Neural Machine Learning Models},
author = {Benedek Rozemberczki and Paul Scherer and Yixuan He and George Panagopoulos and Alexander Riedel and Maria Astefanoaei and Oliver Kiss and Ferenc Beres and Guzmán López and Nicolas Collignon and Rik Sarkar},
journal= {arXiv preprint arXiv:2104.07788},
year = {2021}
}
备注
Source code at: https://github.com/benedekrozemberczki/pytorch_geometric_temporal