时间位置分组特征向量J1以及自注意力权重W1输入长期时空融合网络,采用GCN算法融合得到长期记忆层 L;将所述第二训练数据组输入至预设的ST‑Transformer模型中,通过短期空间卷积网络将所述第二训练数据组中的各组数据向量进行特征融合,通过赋权多层神经网络得到新的隐藏层,将提取的隐藏特征H2输入短期时间位置编码模块,根据...
self.st_gcn_networks = nn.ModuleList(( st_gcn(in_channels,64, kernel_size,1, residual=False, **kwargs0), st_gcn(64,64, kernel_size,1, **kwargs), st_gcn(64,64, kernel_size,1, **kwargs), st_gcn(64,64, kernel_size,1, **kwargs), st_gcn(64,128, kernel_size,2, **kwar...