STG2Seq：多步乘車需求預測的時空圖序列模型
新南威爾士大學發表在IJCAI 2019的一篇論文，題目標題爲STG2Seq: Spatial-temporal Graph to Sequence Model for Multi-step Passenger Demand Forecasting，谷歌學術目前引用量爲10。 Abstract 現存的問題： 多步乘車需求預測是車輛共享服務中的一個重要問題，其非線性和動態的時空依賴性具有挑戰性。 本
相關文章
- 1. 【時空序列預測第十一篇】時空序列預測模型之LightNet
- 2. 自行車需求預測
- 3. 時間序列乘法模型因素分解、預測
- 4. 【時空序列預測第十三篇】時空序列預測模型之Self-Attention ConvLSTM
- 5. 時間序列預測——DA-RNN模型
- 6. 【時間序列預測-ARIMA模型】
- 7. 時間序列預測（三）—— Xgboost模型
- 8. 時間序列預測：灰色模型
- 9. 時間序列預測之--ARIMA模型
- 10. R語言多元CopulaGARCH模型時間序列預測
- 更多相關文章...
- • ASP.NET MVC - 模型 - ASP.NET 教程
- • C# 排序列表（SortedList） - C#教程
- • 委託模式
- • TiDB 在摩拜單車在線數據業務的應用和實踐
相關標籤/搜索
每日一句
-
每一个你不满意的现在，都有一个你没有努力的曾经。
最新文章
- 1. Appium入門
- 2. Spring WebFlux 源碼分析(2)-Netty 服務器啓動服務流程 --TBD
- 3. wxpython入門第六步（高級組件）
- 4. CentOS7.5安裝SVN和可視化管理工具iF.SVNAdmin
- 5. jedis 3.0.1中JedisPoolConfig對象缺少setMaxIdle、setMaxWaitMillis等方法，問題記錄
- 6. 一步一圖一代碼，一定要讓你真正徹底明白紅黑樹
- 7. 2018-04-12—（重點）源碼角度分析Handler運行原理
- 8. Spring AOP源碼詳細解析
- 9. Spring Cloud（1）
- 10. python簡單爬去油價信息發送到公衆號
歡迎關注本站公眾號,獲取更多信息
