gcn的变压器油中溶解气体浓度预测模型的结构图,该预测模型包括用于输入步骤1)预处理后的气体浓度数据的时序数据输入层、用于提取数据时序特征的门控循环单元(gated recurrent unit,gru)网络、用于提取关联气体特 征的图卷积网络(graph convolutional network,gcn)以及用于对关联气体特征进行维度变换并计算输出变压器油中溶解...
基于GRUGCN的变压器油中溶解气体浓度预测方法包括:先对变压器油中溶解气体浓度历史数据进行预处理,得到气体浓度数据和气体关联拓扑图;其次构建基于GRUGCN的变压器油中溶解气体浓度预测模型,该模型用GRU网络提取气体浓度数据时间特征,用改进GCN从各气体时间特征提取关联特征;将气体浓度数据分为训练集和测试集,对模型进行训练...
1、本发明实施例的目的在于提供一种基于gru-gcn的交互式车辆多模态轨迹预测方法,以解决现有预测方法对车辆多模态轨迹的预测精度低的问题。 2、为解决上述技术问题,本发明所采用的技术方案是,一种基于gru-gcn的交互式车辆多模态轨迹预测方法,包括以下步骤:
其中,GCN用于学习复杂拓扑结构,捕获空间相关性;门控递归单元(GRU)用于学习交通数据的动态变化,捕获时间相关性。然后,采用T-GCN模型进行基于城市道路网络的交通预测。实验表明,T-GCN模型能够从交通数据中获得时空相关性,其预测效果优于现实交通数据集的最新基线。 T-GCN tensorflow实现可以通过https://github.com/lehaif...
一种基于gcn-gru的露天矿卡车停留区域活动识别方法 技术领域 1.本发明涉及轨迹数据挖掘领域,具体涉及露天矿卡车gps轨迹停留区域识别,并通过gcn神经网络和gru神经网络结合进行停留区域活动识别,特别是一种基于gcn-gru的露天矿卡车停留区域活动识别方法。 背景技术: ...
比如一个token序列数据,你用RNN模型可以获得上下文,但是你把token序列打乱建成图。。那些重复的token作用...
GCN-GRU:一种无线传感器网络故障检测模型_陈俊杰 下载积分:2000 内容提示: 西安电子科技大学学报 Journal of Xidian University ISSN 1001-2400,CN 61-1076/TN 《西安电子科技大学学报》网络首发论文 题目: GCN-GRU:一种无线传感器网络故障检测模型 作者: 陈俊杰,邓洪高,马谋,蒋俊正 收稿日期: 2021-09-03 网络...
15.之后将两层graphconv的卷积模块处理后的数据x2放入第一注意力模块,得到gcn编码器编码后的数据x3;数据x3先经过第一层双向gru卷积模块得到特征数据x4;接着将特征数据x4放入第二层双向gru卷积模块,得到特征数据x5;最后将特征数据x5放入第二注意力模块,得到双向gru解码器解码后的数据x6。16.进一步,所述graphconv的...
本发明公开了一种面向GCN和双向GRU的编解码器的预测方法,其网络框架主要由数据清洗模块,特征提取模块和数据预测模块组成,数据清洗模块主要由数据输入模块和卡尔曼滤波模块构成,数据输入模块将输入的数据集划分为三类:前1/2作为训练集数据,后1/4作为测试集数据,剩余的1/4作为验证集数据.再将划分好的数据集输入卡尔曼...
GCN代码主体有4个py文件:layers.pymodels.pytrain.pyutils.py 一、layers.py 定义了一个图卷积的类。这个图卷积只有一层结构,所以比较简单。图卷积的基本结构就是: ,其中 是图节点的属性信息, 是图结构的信息。 import math import torch from torch.nn.parameter import Parameter ...