基于動態(tài)自適應(yīng)時空圖的多元時序預(yù)測模型

摘要： 深度學(xué)習(xí)模型在多元時間序列預(yù)測、智能駕駛、圖像識別等多個領(lǐng)域廣泛應(yīng)用，其中多元時間序列預(yù)測是學(xué)者們關(guān)注的重點之一，多元時間序列預(yù)測是典型的回歸任務(wù)，旨在通過海量的歷史數(shù)據(jù)構(gòu)建模型以預(yù)測未來狀態(tài)，被廣泛運用于交通、電力、金融等領(lǐng)域.多元時間序列數(shù)據(jù)具有復(fù)雜的時空依賴性，現(xiàn)有模型大多僅能捕獲序列數(shù)據(jù)中的時間特征，難以捕獲空間特征，而圖神經(jīng)網(wǎng)絡(luò)解決了這一問題.圖神經(jīng)網(wǎng)絡(luò)能夠自然地建模... （共13頁）