交通预见未来(16) 基于图卷积神经网络的轨道交通流量预测1、文章信息《Predicting Station-Level Short-Term Passenger Flow in a Citywide Metro Network Using Spatiotemporal Graph Convolutional Neural Networks》。2019年中国海洋大学的几位老师发在IIS...

交通预见未来(3) 基于图卷积神经网络的共享单车流量预测1、文章信息《Bike Flow Prediction with Multi-Graph Convolutional Networks》。文章来自2018年第26届ACM空间地理信息系统进展国际会议论文集，作者来自香港科技大学，被引7次。2、摘要由于单站点流量预测的难度较大，近年来的研究多根据站点类别进行流量预测。但是，它...

交通预见未来(7) 使用卷积神经网络做交通速度预测-案例简介此篇文章主要介绍上一篇论文的案例研究部分，背景和理论部分请看上一篇文章。1、文章信息《Learning Traffic as Images: A Deep Convolutional Neural Network for Large-Scale Transportation Network Speed Prediction》。...

我们应用松弛策略的问题哈密尔顿生成一个可微的损失函数，我们用它来训练图神经网络，并在无监督训练过程完成后将一个简单的投影应用到整数变量上。我们发现，图神经网络优化器的性能与现有的求解器相当或优于现有的求解器，有能力超越现有技术，解决数百万个变量的问题。而二次无约束二元优化（训练），本文采用松弛策略将二元决策变量推广为连续的概率参数，进而生成可微的损失函数，该损失函数直接关联问题的优化目标，无需手工

1. 文章信息《Traffic flow optimization: A reinforcement learning approach》是2016年发表在Engineering Applications of Artificial Intelligence的一篇文章。2. 摘要交通拥堵会导致诸如延误、燃油消耗增加和额外污染等重要问题。本文提出了一种新的基于强化学习的交通流优化方法。我们证明了交通

1.文章信息本次介绍的文章是2022年发表在Elektronika ir Elektrotechnika的一篇基于计算机视觉的火灾检测文章。2.摘要近年来，寻找快速、环保的灭火方法一直是一个特别重要的话题。许多学者正进行使用深度神经网络探测火焰的研究。最有前景的方法之一是用声波方法灭火。理论上，由于声波会穿过固体、液体和气体，所以声波灭火机可以用于扑灭不同种类的火。原则上，本文所述技术可用于扑灭B

1. 文章信息本次介绍的文章是2022年发表在EngineeringApplications of Artificial Intelligence上的一篇关于火灾检测的文章，作者团队来自清华大学。2. 摘要火灾是威胁公共安全和社会发展的最常见的突发事件之一。近年来，以卷积神经网络为代表的智能火灾探测技术受到了学术界和工业界的广泛关注，大大提高了火灾探测的精度。然而，基于C...

文章信息《A Graph Convolutional Stacked Bidirectional Unidirectional-LSTM Neural Network for Metro ...

01文章信息《利用公交刷卡数据分析北京职住关系和通勤出行》，本篇文章于2021年10月15日发表于《地理学报》。02摘要基于位置服务(Location Based Service，LBS...

1、文章信息《Spatial-Temporal Fusion Graph Neural Networks for Traffic Flow Forecasting》。这是北大发表在计算机顶...