关系融合网络：面向道路网络的图卷积网络
机器学习
2020-09-16 v2 机器学习
摘要
在道路网络场景下应用机器学习技术有潜力促进许多重要的智能交通应用。图卷积网络（GCNs）是能够利用网络结构的神经网络。然而，GCNs 的许多隐含假设并不适用于道路网络。我们引入了关系融合网络（RFN），一种专为道路网络设计的新型 GCN。特别地，我们提出的方法在道路网络上的两个机器学习任务上比最先进的 GCNs 高出 21%–40%。此外，我们表明最先进的 GCNs 可能未能有效利用道路网络结构，并且可能无法很好地泛化到其他道路网络。
引用
@article{arxiv.2006.09030,
title = {Relational Fusion Networks: Graph Convolutional Networks for Road Networks},
author = {Tobias Skovgaard Jepsen and Christian S. Jensen and Thomas Dyhre Nielsen},
journal= {arXiv preprint arXiv:2006.09030},
year = {2020}
}
备注
IEEE Transactions on Intelligent Transportation Systems (2020). arXiv admin note: substantial text overlap with arXiv:1908.11567