本发明的多机场终端区流量预测方法包括:构造多机场终端区交通流拓扑图G;构建数据集,将数据集转换成拓扑图G的形式,作为GCN模型的数据输入;构建GCN‑LSTM模型;将数据集数据划分为训练集和测试集,对GCN‑LSTM模型进行训练和测试,得到训练好的GCN‑LSTM模型;获取待预测时间段前的历史数据,将其输入至训练好的GCN‑...
在本文中,我们首先开发了一种用于识别人类意图的多任务模型,该模型由两个子任务组成:人类动作识别和手持物体识别。对于前端子任务,通过融合时空图卷积网络和长短期记忆网络,提出了一种有效的 ST-GCN-LSTM 模型。对于第二个子任务,采用YOLO v3模型进行手持物体识别。然后,我们构建了一个机器人与人类交互的框架。最后...
一个是156*156的邻接矩阵,它描述了道路之间的空间关系。每一行表示一条道路,矩阵中的值表示道路之间的连接性。另一个是特征矩阵,它描述了每条道路上的速度随时间的变化。每一行代表一条路,每一列是不同时段道路上的交通速度。每15分钟计算一次每条路上的车速。GNN-LSTM GCN GNN LSTM RNN...
一种基于GCNLSTM组合模型的公交车站点客流量预测方法属于交通预测领域.本发明首先用图卷积神经网络提取客流量数据的空间相关性,并将带有空间相关信息的数据输入长短期记忆循环单元进行时间特征提取,最后经过一个全连接层得到预测结果.该方法通过同时关注交... 桂智明,姚思佳,郭黎敏 被引量: 0发表: 2021年 一种基于GCN...
基于GCN-LSTM神经网络模型的水位预测方法专利信息由爱企查专利频道提供,基于GCN-LSTM神经网络模型的水位预测方法说明:本发明涉及基于GCN‑LSTM神经网络模型的水位预测方法。该方法首先计算水位数据的相关特征矩阵,然后...专利查询请上爱企查
文本分类资源汇总,包括深度学习文本分类模型,如SpanBERT、ALBERT、RoBerta、Xlnet、MT-DNN、BERT、TextGCN、MGAN、TextCapsule、SGNN、SGM、LEAM、ULMFiT、DGCNN、ELMo、RAM、DeepMoji、IAN、DPCNN、TopicRNN、LSTMN 、Multi-Task、HAN、CharCNN、Tree-LSTM、DAN、TextRCN
基于GCN-IPSO-LSTM组合模型的城市短时交通流预测方法 一种基于GCNLSTM组合模型的公交车站点客流量预测方法属于交通预测领域.本发明首先用图卷积神经网络提取客流量数据的空间相关性,并将带有空间相关信息的数据输入长短期记忆循环单元进行时间特征提取,最后经过一个全连接层得到预测结果.该方法通过同时关注交... 张浩,华...
文本分类资源汇总,包括深度学习文本分类模型,如SpanBERT、ALBERT、RoBerta、Xlnet、MT-DNN、BERT、TextGCN、MGAN、TextCapsule、SGNN、SGM、LEAM、ULMFiT、DGCNN、ELMo、RAM、DeepMoji、IAN、DPCNN、TopicRNN、LSTMN 、Multi-Task、HAN、CharCNN、Tree-LSTM、DAN、TextRCN
基于GCN-LSTM的个体位置预测方法 本发明涉及一种基于GCNLSTM的个体位置预测方法,包括以下步骤:步骤S1:采集用户的轨迹数据;步骤S2:度量用户轨迹的相似性;步骤S3:根据得到的用户轨迹的相似性,利用图卷积网络提取用户的相似性特征;步骤S4:构建改进的GCNLSTM模型;步骤S5:基于相似性特征,采用改... 赵志远,张宇,吴升,......
文本分类资源汇总,包括深度学习文本分类模型,如SpanBERT、ALBERT、RoBerta、Xlnet、MT-DNN、BERT、TextGCN、MGAN、TextCapsule、SGNN、SGM、LEAM、ULMFiT、DGCNN、ELMo、RAM、DeepMoji、IAN、DPCNN、TopicRNN、LSTMN 、Multi-Task、HAN、CharCNN、Tree-LSTM、DAN、TextRCN