文献

J-GLOBAL ID：202002232604458288   整理番号：20A2765178

交通予測に関する空間-時間グラフ注意モデル【JST・京大機械翻訳】

Spatial-Temporal Graph Attention Model on Traffic Forecasting

著者 (3件)： Zhang Xinlan (Yanbian University,Department of Computer Science and Technology,Yanji,P. R. China,133002) ,  Zhang Zhenguo (Yanbian University,Department of Computer Science and Technology,Yanji,P. R. China,133002) ,  Jin Xiaofeng (Yanbian University,Department of Computer Science and Technology,Yanji,P. R. China,133002)
資料名： IEEE Conference Proceedings  (IEEE Conference Proceedings)
巻： 2020  号： CISP-BMEI  ページ： 999-1003  発行年： 2020年 
JST資料番号： W2441A  資料種別： 会議録 (C)
記事区分： 原著論文  発行国： アメリカ合衆国 (USA)  言語： 英語 (EN)

抄録/ポイント： 交通予測問題のコアは,主に時間的依存性と空間的依存性の側面から,空間-時間シーケンスモデルの問題を解決することにあった。既存の方法は,グラフ畳込みの方法を用いて,主に空間レベルに費やした。しかし,グラフ畳込み層の増加とともに,ある閾値に達すると,各ノードの局所ネットワーク構造の多様性が大幅に減少する。時間レベルに関して,RNNとその変形は一般的な方法であるが,それらは勾配消失問題を持っている。従って,空間と時間におけるこれら2つの点に基づいて,著者らは,異なる隣接重みの適応配分を達成するために,隣接ノードに注意機構を追加することができた。それはグラフニューラルネットワークモデルの表現能力を大いに改良することができた。そして,時間的レベルで,知覚場の可撓性制御は,より少ない層を使用することによって,上記の時間的依存性問題を解決することができる。METR-LAとPEMS-BAYからの2つの実世界データセットに関する実験は,提案モデルが他のベースラインよりも性能が優れていることを示した。Copyright 2020 The Institute of Electrical and Electronics Engineers, Inc. All rights reserved. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： 畳込み ,  柔軟性 ,  *交通予測 ,  ローカル回線 ,  基準線
準シソーラス用語： 神経回路網モデル ,  車載排ガス計測装置 ,  隣接ノード , 【Automatic Indexing@JST】

分類 (1件)： 図形・画像処理一般  (JE04010I)

タイトルに関連する用語 (5件)： 交通 ,  予測 ,  グラフ ,  注意 ,  モデル