
时空图神经网络应用
的目标是从时空图中学习隐藏模式,这些模式在交通速度预测[72]、驾驶员机动预测和人类行为识别等各种应用中变得越来越重要。STGNNs的核心思想是同时考虑空间依赖和时间依赖。现有的许多方法都是将图卷积与RNN或CNN相结合来描述时间相关性。
·
时空图神经网络(STGNNs)的目标是从时空图中学习隐藏模式,这些模式在交通速度预测[72]、驾驶员机动预测和人类行为识别等各种应用中变得越来越重要。STGNNs的核心思想是同时考虑空间依赖和时间依赖。现有的许多方法都是将图卷积与RNN或CNN相结合来描述时间相关性。
更多推荐
所有评论(0)