其中,Gconv(⋅)是一个图卷积层。图卷积递归网络(Graph Convolutional Recurrent Network, GCRN)[71] 将LSTM网络与ChebNet [21] 结合在一起。扩散卷积递归神经网络(Diffusion Convolutional Recurrent Neural Network, DCRNN)[72] 将提出的扩散图卷积层(方程18)结合到GRU网络中。此外,DCRNN采用了编码器-解码器框架来...
Tensor-based Spatial-Temporal Graph ODE: 首先作者展示了常规的GCN的表现形式: H_{l+1}=GCN(H_l)=\sigma(\hat{A}H_lW)\tag{7} 但是常规GCN通常会遇到over-smoothing问题,所以此文使用ODE改进了常规GCN。首先此文介绍了此文中新的GCN的离散形式: ...
[TOC] Spatial-Temporal Graph Convolutional Network for Video-based Person Re-identification(CVPR2020) 行人重识别 行人重识别(Person Re-identification),简称为ReID,是利用计算机视觉技术判断图像或者视频序列中是否存在特定行人的技术。广泛被认为是一个图像检索的子问题。给定一个监控行人图像,检索跨设备下的该...
最近,graph convolutional networks(GCNs),将 CNN 拓展到了 任意结构的 graphs 上来,已经得到了很大的关注,并且得到了广泛的应用,如:image classification, document classification, and semi-supervised learning. 但是,这些方法都是基于一种 fixed graph 作为输入。将 GCNs 在大型数据集上来建模 dynamic graphs,如:hum...
Graph Wavenet采用的是一层时序模型+一层图模型嵌套的方式实现的。第一层输入图中所有节点的时间序列数据,通过TCN每个序列独立提取表示。在得到每个序列每个时刻的表示后,每个时刻内所有节点的表示使用GCN进行一次空间上的融合。假设输入的维度是[N, T, D],N表示节点数量,T表示时间长度,D表示特征维度。经过一层TCN...
Spatial-temporal graphTemporal domainGait is a kind of attractive feature for human identification at a distance. It can be regarded as a kind of temporal signal. At the same time the human body shape can be regarded as the signal in the spatial domain. In the proposed method, we try to...
Spatial-Temporal Synchronous Graph Convolutional Network STSGCN的核心思想是三点:1)在上一个时间步骤和下一个时间步骤将每个节点与自身连接起来,构建一个本地化的时空图。2)利用时空同步图卷积模块获取局域化的时空相关性。3)部署多个模块对时空网络序列的异构性进行建模。
1)Graph convolution in spatial dimension 本文采用切比雪夫多项式近似 2)Convolution in temporal dimension 综上所述,时空卷积模块能够较好地捕捉交通数据的时空特征。时空注意模块和时空卷积模块构成时空块。将多个时空块进行叠加,进一步提取更大范围的动态时空相关性。最后,添加一个全连通层,以确保每个构件的输出与预测...
This paper introduces a novel application of spatial-temporal graph neural networks (ST-GNNs) to predict groundwater levels. Groundwater level prediction is inherently complex, influenced by various hydrological, meteorological, and anthropogenic factors. Traditional prediction models often struggle with the...
或者是:Pre-training Enhanced Spatial-temporal Graph Neural Network for Multivariate Time Series Forecasting GitHub:https://github.com/zezhishao/STEP KDD 2022的论文。 摘要 多变量时间序列(MTS)预测在广泛的应用中发挥着重要作用。最近,时空图神经网络(STGNNs)日益成为流行的 MTS 预测方法。STGNNs 通过图神经...