基于多尺度动态时空神经网络的OD客流预测 被引量：1

1

作者 林立 孟学雷 +2 位作者 高如虎 韩正 付艳欣 《铁道科学与工程学报》 EI CAS CSCD 北大核心 2024年第12期4924-4935,共12页

精确的OD(origin-destination)客流预测可为铁路运行管理、决策优化等提供良好保障。为准确捕捉高速铁路站点间的动态时空关联,解决全局流量特征和局部拓扑特征难以共同学习的问题,提出一种考虑站间协同作用的多尺度动态时空神经网络(mu... 精确的OD(origin-destination)客流预测可为铁路运行管理、决策优化等提供良好保障。为准确捕捉高速铁路站点间的动态时空关联,解决全局流量特征和局部拓扑特征难以共同学习的问题,提出一种考虑站间协同作用的多尺度动态时空神经网络(multi-scale synergistic station-based dynamic spatio-temporal neural network,MSSDSTNN)OD客流预测模型。模型多分支并行结构的设计,可以有效地捕获与客流量相关的复杂时空特征;通过融合全局与局部注意力机制,达到识别站点间动态时空关联及线网拓扑结构的目的;同时采用自适应噪声完全集成经验模式分解方法对站点的原始客流数据进行分析,并引入简化粒子群算法实现对长短期记忆神经网络关键参数的动态寻优。选取成绵乐城际与成渝高铁的客流数据,在不同时间粒度下,运用12种既有模型进行比较研究,以评估它们与MSSDSTNN模型的性能差异。结果表明:MSSDSTNN模型比其他模型具有更高的预测精度和拟合效果,尤其在较短的时间粒度下,MSSDSTNN模型展现出显著的优越性。在15 min时间粒度下,MSSDSTNN模型的平均绝对误差、均方根误差、平均绝对百分比误差相较于对比方法中性能排名第2的预测模型分别下降了7.55%、12.12%和26.15%;在拟合优度方面,MSSDSTNN模型的决定系数相较于第2名上升了0.41%。可视化结果展现了模型对时空关联动态变化的学习效果,消融实验证明了各分支的必要性,所提方法可为运营部门的决策提供有价值的参考。 展开更多

关键词 高速铁路 OD客流预测 动态时空神经网络 时空特征 注意力机制

在线阅读 下载PDF 职称材料

基于多周期组件时空神经网络的路网通行速度预测 被引量：8

2

作者 杨建喜 郁超顺 +3 位作者 李韧 杜利芳 蒋仕新 王笛 《交通运输系统工程与信息》 EI CSCD 北大核心 2021年第3期112-119,139,共9页

针对当前路网通行速度预测方法存在的中长周期预测准确性和稳定性不足、自适应路网拓扑空间关系建模能力有待进一步提升等问题,以多尺度卷积算子及门控循环单元为核心单元,提出一种面向路网通行速度预测任务的多周期组件时空神经网络模... 针对当前路网通行速度预测方法存在的中长周期预测准确性和稳定性不足、自适应路网拓扑空间关系建模能力有待进一步提升等问题,以多尺度卷积算子及门控循环单元为核心单元,提出一种面向路网通行速度预测任务的多周期组件时空神经网络模型。首先,根据路网交通感知数据的周期特性,将其规约为周、日和近期这3种不同粒度的时间-空间-特征三维矩阵,并输入至3个共享网络结构的周期组件。其次,在每部分组件中,利用多尺度卷积核捕获多因素非线性相关性与不同空间视野大小的路网节点空间相关性。然后,对每个路网节点的时序特征使用门控循环单元提取交通数据长时依赖关系,引入残差学习框架,提高网络训练效率并防止梯度弥散。最后,自适应加权融合通过预测卷积层的每部分周期组件预测结果生成预测时段内路网交通通行速度。为验证所提方法的有效性,基于两个公开的交通状态数据集进行实验分析,并选取当前主流的深度神经网络模型作为对比基线模型。结果表明,所提方法在可接受的执行时间内,在两个数据集上平均绝对误差、平均平方误差和平均绝对百分比误差分别为2.55、3.94和10.75%,1.57、3.52和3.44%,在预测准确性与中长时多步预测稳定性方面均优于其他基准方法。 展开更多

关键词 智能交通 多周期组件时空神经网络 卷积神经网络 通行速度预测 门控循环单元

在线阅读 下载PDF 职称材料

基于时空神经网络的AM调幅波解调方法研究 被引量：1

3

作者 樊京 张宏伟 《现代电子技术》 2006年第15期9-10,14,共3页

AM调幅信号在通信领域有着极为广泛的应用。传统的AM调幅信号解调方法是同步检波和包络检波法。对时空神经网络的研究提出了一种新的对基于时间的信号处理方法,在具体操作时改变权值就可对不同类型信号进行解调。用时空神经网络方法对A... AM调幅信号在通信领域有着极为广泛的应用。传统的AM调幅信号解调方法是同步检波和包络检波法。对时空神经网络的研究提出了一种新的对基于时间的信号处理方法,在具体操作时改变权值就可对不同类型信号进行解调。用时空神经网络方法对AM调幅波进行解调的Matlab仿真结果表明,此方法是可行的。 展开更多

关键词 时空神经网络 解调 AM调幅信号 MATLAB仿真

在线阅读 下载PDF 职称材料

时空神经网络及其在机场噪声预测中的应用 被引量：2

4

作者 王尚北 王建东 陈海燕 《计算机工程》 CAS CSCD 2014年第7期133-137,共5页

针对时空序列建模分析问题,利用函数扩展技术,结合线性脉冲响应滤波原理,提出一种新型时空神经网络。该网络由函数扩展功能模块和线性延时脉冲模块组成。函数扩展功能模块将网络输入空间映射到高维空间,实现时空序列非线性模式到高维映... 针对时空序列建模分析问题,利用函数扩展技术,结合线性脉冲响应滤波原理,提出一种新型时空神经网络。该网络由函数扩展功能模块和线性延时脉冲模块组成。函数扩展功能模块将网络输入空间映射到高维空间,实现时空序列非线性模式到高维映射空间线性模式转换;线性脉冲延时模块等效于时空线性脉冲响应滤波器,用于拟合时空序列中的线性模式。采用LevenbergMarquardt最优方法对网络进行训练,设计时空神经网络的快速学习算法。机场噪声仿真结果表明,该网络具有快速收敛和高精度的特点,预测精度高于时空自相关移动平均模型和多层感知器神经网络。 展开更多

关键词 时空神经网络 函数链接人工神经网络 线性脉冲响应滤波 时空白相关移动平均模型 时空序列 机场噪声

在线阅读 下载PDF 职称材料

基于时空神经网络的充电桩时空动态负荷预测 被引量：17

5

作者 张秀钊 王志敏 +3 位作者 钱纹 胡凯 周雪松 李小双 《智慧电力》 北大核心 2019年第8期50-54,111,共6页

电动汽车充电负荷的时空随机性,加大了电网的控制难度且影响了电能质量。因此,准确的预测充电负荷是解决此类问题有效方法之一。基于此,首先建立充电桩时空动态负荷矩阵,然后在时空神经网络的基础上提出一种时空动态负荷预测模型多步深... 电动汽车充电负荷的时空随机性,加大了电网的控制难度且影响了电能质量。因此,准确的预测充电负荷是解决此类问题有效方法之一。基于此,首先建立充电桩时空动态负荷矩阵,然后在时空神经网络的基础上提出一种时空动态负荷预测模型多步深度时空神经网络,该模型能够根据过去充电负荷规律多步预测未来负荷。经过实际数据的仿真验证,并与STN模型进行对比,结果证明了所提预测模型的有效性。 展开更多

关键词 时空动态预测 时空神经网络 深度学习 电动汽车负荷

在线阅读 下载PDF 职称材料

基于时空神经网络的探地雷达层状介质参数反演

6

作者 李远强 张健 《现代雷达》 CSCD 北大核心 2023年第12期24-30,共7页

探地雷达(GPR)凭借其无损、高效、准确等优势已被广泛应用于道路检测、市政及环境工程等领域。GPR数据反演是获取地下层状介质参数的一种有效手段,但传统基于模型驱动的GPR反演存在线性反演精度不足,非线性反演求解难度大、时效性差等问... 探地雷达(GPR)凭借其无损、高效、准确等优势已被广泛应用于道路检测、市政及环境工程等领域。GPR数据反演是获取地下层状介质参数的一种有效手段,但传统基于模型驱动的GPR反演存在线性反演精度不足,非线性反演求解难度大、时效性差等问题,无法满足现有工程勘探需求。近年来,基于深度学习的数据驱动反问题求解算法得到飞速发展,为GPR层状介质参数反演提供了一种新的思路。考虑到GPR传播的时空特性,文中提出一种基于时空神经网络的层状介质参数反演方法。首先,利用随机模拟算法生成大量一维介质参数模型,并结合有限差分算法计算得到对应GPR数据,构建出神经网络训练所需的输入/输出数据对;然后,设计合适的层状介质参数反演网络模型,并利用构建的训练数据对训练神经网络模型,得到GPR数据与地下介质参数之间映射关系的网络参数;最后,利用训练好的神经网络模型对不同层状介质模型进行反演测试,验证了所提方法的有效性和准确性。 展开更多

关键词 探地雷达 层状介质 时空神经网络 地下参数预测

在线阅读 下载PDF 职称材料

时空图神经网络在物联网中的应用综述 被引量：1

7

作者 张建伟 陈旭 +2 位作者 王叔洋 景永俊 宋吉飞 《计算机工程与应用》 北大核心 2025年第5期43-54,共12页

随着物联网在各个领域物理设备的发展,产生的大量数据给当前数据处理方法带来了挑战。深度学习模型具备处理大规模和高维度数据的能力,已逐渐应用于物联网不同领域。时空图神经网络作为一种处理图结构数据的深度学习模型,能够对物联网... 随着物联网在各个领域物理设备的发展,产生的大量数据给当前数据处理方法带来了挑战。深度学习模型具备处理大规模和高维度数据的能力,已逐渐应用于物联网不同领域。时空图神经网络作为一种处理图结构数据的深度学习模型,能够对物联网中的拓扑结构和时间信息进行建模,并在物联网预测任务中展现出优秀性能。介绍了物联网中的时间相关性和空间相关性,以及不同时空网络架构的构建方法,并基于空间相关性的不同,将时空图神经网络分为时空图卷积网络和时空图注意力网络。进一步分析了时空图卷积网络和时空图注意力网络在物联网中的应用,主要包括交通、环境和能源领域。最后,探讨了时空图神经网络在物联网应用中面临的挑战和未来的研究方向。 展开更多

关键词 物联网 深度学习 时空图神经网络 图结构数据

在线阅读 下载PDF 职称材料

基于时空图神经网络的CAN总线入侵检测方法

8

作者 刘晨飞 万良 《信息网络安全》 北大核心 2025年第3期478-493,共16页

现代智能车辆中的控制器局域网(CAN)作为连接各电子控制单元(ECU)的主要通信媒介,因缺乏加密和认证机制而面临多种安全威胁。传统基于深度学习的入侵检测方法在提取CAN消息特征时,未能充分考虑其上下文关系及CAN消息的时序动态变化,导... 现代智能车辆中的控制器局域网(CAN)作为连接各电子控制单元(ECU)的主要通信媒介,因缺乏加密和认证机制而面临多种安全威胁。传统基于深度学习的入侵检测方法在提取CAN消息特征时,未能充分考虑其上下文关系及CAN消息的时序动态变化,导致在复杂攻击类型的检测中存在精度不足的问题。因此,文章提出一种基于时空图神经网络的入侵检测方法GNLNet。该方法通过在预定义的时间窗口内利用消息ID构建CAN消息图,并捕捉CAN消息的时序关联,以增强时空信息的建模能力。模型首先利用GraphSage提取局部空间特征,再通过双向图注意力网络加强节点间信息的交互,最后使用长短期记忆网络对数据流的时间序列进行分析,捕捉数据流随时间的动态变化。在Car_hacking和Survival_Analysis两个公开数据集上进行实验。结果表明,GNLNet在检测和分类拒绝服务攻击及模糊攻击等复杂攻击类型时,检测准确率和F1分数均达到99%,优于现有方法。 展开更多

关键词 CAN总线 入侵检测 时空图神经网络 双向图注意力网络 时空分析

在线阅读 下载PDF 职称材料

基于时空图卷积神经网络的强迫振荡定位与传播预测 被引量：6

9

作者 冯双 彭祥佳 +5 位作者 陈佳宁 陆友文 陈力 洪希 雷家兴 汤奕 《中国电机工程学报》 EI CSCD 北大核心 2024年第4期1298-1309,I0005,共13页

振荡源定位与传播预测是抑制强迫振荡和保证电力系统稳定的关键。现有方法未能充分利用电网的空间拓扑信息和振荡的时序特征,限制了定位和预测的精度。因此,该文提出一种基于时空图卷积神经网络的强迫振荡定位与传播预测方法。首先,根... 振荡源定位与传播预测是抑制强迫振荡和保证电力系统稳定的关键。现有方法未能充分利用电网的空间拓扑信息和振荡的时序特征,限制了定位和预测的精度。因此,该文提出一种基于时空图卷积神经网络的强迫振荡定位与传播预测方法。首先,根据节点特征和拓扑信息构建图数据,考虑到强迫振荡传播的快速性,通过切比雪夫多项式扩大节点空间感受野,提取振荡空间特征。同时,利用门控循环单元网络提取多个节点振荡数据的时序关联,通过时空图卷积单元融合空间和时序特征。然后,将定位与传播预测分别建模为分类和回归问题,训练时空图卷积神经网络模型。算例分析表明,所提方法具有更高的准确率,且在噪声和部分节点数据缺失的情况下依然具有较好的性能。 展开更多

关键词 强迫振荡 振荡源定位 振荡传播 时空图卷积神经网络

在线阅读 下载PDF 职称材料

基于时空图神经网络的应用层DDoS攻击检测方法 被引量：1

10

作者 王健 陈琳 +1 位作者 王凯崙 刘吉强 《信息网络安全》 CSCD 北大核心 2024年第4期509-519,共11页

分布式拒绝服务(Distributed Denial of Service,DDoS)攻击已经成为网络安全的主要威胁之一,其中应用层DDoS攻击是主要的攻击手段。应用层DDoS攻击是针对具体应用服务的攻击,其在网络层行为表现正常,传统安全设备无法有效抵御。同时,现... 分布式拒绝服务(Distributed Denial of Service,DDoS)攻击已经成为网络安全的主要威胁之一,其中应用层DDoS攻击是主要的攻击手段。应用层DDoS攻击是针对具体应用服务的攻击,其在网络层行为表现正常,传统安全设备无法有效抵御。同时,现有的针对应用层DDoS攻击的检测方法检测能力不足,难以适应攻击模式的变化。为此,文章提出一种基于时空图神经网络(Spatio-Temporal Graph Neural Network,STGNN)的应用层DDoS攻击检测方法,利用应用层服务的特征,从应用层数据和应用层协议交互信息出发,引入注意力机制并结合多个GraphSAGE层,学习不同时间窗口下的实体交互模式,进而计算检测流量与正常流量的偏差,完成攻击检测。该方法仅利用时间、源IP、目的IP、通信频率、平均数据包大小5维数据便可有效识别应用层DDoS攻击。由实验结果可知,该方法在攻击样本数量较少的情况下,与对比方法相比可获得较高的Recall和F1分数。 展开更多

关键词 DDOS攻击 时空图神经网络 异常检测 注意力机制

在线阅读 下载PDF 职称材料

基于时空长短时记忆神经网络的地基云图预测算法 被引量：1

11

作者 吴现 吐松江·卡日 +3 位作者 王海龙 马小晶 李振恩 邵罗 《计算机工程》 CAS CSCD 北大核心 2024年第3期298-305,共8页

针对传统云运动轨迹预测方法存在的预测精度差、空间结构细节信息丢失等问题,提出一种基于时空长短时记忆(ST-LSTM)神经网络的地基云图预测模型。首先使用卷积编码网络提取输入视频流的高维图像特征;然后在特征提取模型中对图像潜在信... 针对传统云运动轨迹预测方法存在的预测精度差、空间结构细节信息丢失等问题,提出一种基于时空长短时记忆(ST-LSTM)神经网络的地基云图预测模型。首先使用卷积编码网络提取输入视频流的高维图像特征;然后在特征提取模型中对图像潜在信息进行多分支获取,一部分使用ST-LSTM神经网络提取不同帧之间的时空特征,另一部分将图像序列进行分解,并通过基于门控机制的记忆融合网络来获取分解后图像中的结构细节信息;最后将得到的分支特征进行组合后经过解码网络输出最终的预测视频流。在地基云图、Moving MNIST和Human 3.6M数据集上的实验结果表明,在图像预测准确率、结构细节信息保留效果以及人眼主观感受上,该预测模型均优于对比模型。与基准模型TaylorNet相比,所提模型在Moving MNIST数据集上均方误差指标和平均绝对误差指标分别降低15.7%和11.8%,在地基云图数据集上,其结构相似性指标与峰值信噪比指标分别提升1%和3.2%,且生成的视频流数据更为清晰,能够更准确地描述云层未来的运动状况,从而更可靠地预测光伏电站未来的输出功率。 展开更多

关键词 深度学习 视频预测 地基云图 麦克劳林展开 时空长短时记忆神经网络

在线阅读 下载PDF 职称材料

基于时空关联的时空图卷积神经网络城市轨道交通进站客流预测

12

作者 王润祺 郝妍熙 +2 位作者 胡华 方勇 刘志钢 《城市轨道交通研究》 北大核心 2024年第9期91-96,共6页

[目的]准确的短时客流预测对于提高超大规模城市轨道交通线网的运营和管理效率具有重要意义,而目前现有研究对于深度挖掘时空关联性仍不够充分,为此基于短时客流的时空规律提出了基于客流时空关联特征的STGCN(时空图卷积神经网络)模型。... [目的]准确的短时客流预测对于提高超大规模城市轨道交通线网的运营和管理效率具有重要意义,而目前现有研究对于深度挖掘时空关联性仍不够充分,为此基于短时客流的时空规律提出了基于客流时空关联特征的STGCN(时空图卷积神经网络)模型。[方法]首先,通过切比雪夫图卷积网络捕捉超大规模城市轨道交通网络的空间相关性,借助门控循环单元挖掘多时空关联特征下客流的时间相关性;然后,分析待预测车站历史客流数据相关性及OD(起讫点)客流数据相关性,以深入提取时空相关性;最后,结合客流时空关联特征建立STGCN模型。[结果及结论]以上海地铁江苏路站为例,进行短时进站客流预测,结果表明采用时空关联特征参数的预测结果较未加入特征参数的预测精度提高了16%,预测效果较优。 展开更多

关键词 城市轨道交通 短时进站客流预测 时空关联性 时空图卷积神经网络

在线阅读 下载PDF 职称材料

基于时空图神经网络的异构交通参与者风险预测

13

作者 孟相浩 牛凌 +2 位作者 席军强 陈丹妮 吕超 《汽车工程》 EI CSCD 北大核心 2024年第9期1537-1545,共9页

有效预测驾驶员视野下的多交通参与者未来风险指标是为人类驾驶员提供风险预警,规避潜在碰撞风险的关键。大多数现有对风险的研究仅考虑场景中单一个体与本车之间的成对交互关系,并从评估而非预测的角度展开研究,而忽略异构交通参与者... 有效预测驾驶员视野下的多交通参与者未来风险指标是为人类驾驶员提供风险预警,规避潜在碰撞风险的关键。大多数现有对风险的研究仅考虑场景中单一个体与本车之间的成对交互关系,并从评估而非预测的角度展开研究,而忽略异构交通参与者之间不同的交互关系及未来风险状态。本文提出了一种基于时空图卷积神经网络的异构多目标风险预测方法Risk-STGCN,通过图卷积及时间卷积分别对单帧场景图信息与时序信息进行学习,结合多层时序预测网络对多目标风险指标TTC进行预测。在开源BLVD与实车自采数据集上进行了训练验证,并与常用序列预测模型进行对比。实验结果表明,所提模型在不同数据集上的平均TTC误差均在0.95 s以下,多实验指标均优于文中所提到的其他模型,具有良好的鲁棒性,同时提升了复杂交通场景下风险预测的可解释性。 展开更多

关键词 智能汽车 多交通参与者 交互表征 风险预测 时空图神经网络

在线阅读 下载PDF 职称材料

基于可拓展自注意力时空图卷积神经网络的用户轨迹识别模型

14

作者 雷天亮 吉立新 +2 位作者 王庚润 刘树新 巫岚 《电子学报》 EI CAS CSCD 北大核心 2024年第11期3741-3750,共10页

用户轨迹识别作为一项重要的时空数据挖掘任务,广泛应用于基于位置的个性化服务推荐、行程规划、犯罪行为检测和目标跟踪等领域,但依然面临预测精度不高的问题,主要原因是轨迹数据低采样且稀疏、轨迹类别数量巨大等.针对上述问题提出了... 用户轨迹识别作为一项重要的时空数据挖掘任务,广泛应用于基于位置的个性化服务推荐、行程规划、犯罪行为检测和目标跟踪等领域,但依然面临预测精度不高的问题,主要原因是轨迹数据低采样且稀疏、轨迹类别数量巨大等.针对上述问题提出了基于可拓展自注意力时空图卷积神经网络的用户轨迹识别模型(Expandable Self-Attention Spatio-Temporal Graph Convolutional Neural Networks,ESAST-GCNN),该模型采用时空图卷积神经网络方式,深度挖掘时序特征与空间特征关系,并进行预测与拓展,结合自注意力机制获取用户轨迹特征向量内部相关性,最终根据该特征向量进行用户轨迹身份识别.在两个真实数据集上进行测试后发现,ESAST-GCNN相较于TULER-GRU(TUL via Embedding and RNN)在Geolife与Gowalla中准确率分别提高了13.95%、10.63%,实验结果表明ESAST-GCNN优于其他模型,识别效果更好,适用范围更广. 展开更多

关键词 用户轨迹识别 时空图卷积神经网络 自注意力机制 深度学习 时空序列

在线阅读 下载PDF 职称材料

基于时空图神经网络的高速铁路车站短期客流预测方法 被引量：13

15

作者 何必胜 朱永俊 +1 位作者 陈路锋 闻克宇 《铁道学报》 EI CAS CSCD 北大核心 2022年第9期1-8,共8页

基于历史数据挖掘实现精准的高速铁路车站短期客流预测能有效支撑客运站工作组织的动态调整,提升铁路运输服务水平。考虑列车开行方案、车站关系对客流的影响,提出基于时空图神经网络的铁路车站短期到发客流预测方法,在空间卷积模块中,... 基于历史数据挖掘实现精准的高速铁路车站短期客流预测能有效支撑客运站工作组织的动态调整,提升铁路运输服务水平。考虑列车开行方案、车站关系对客流的影响,提出基于时空图神经网络的铁路车站短期到发客流预测方法,在空间卷积模块中,用关系图卷积融合铁路物理网络、基于列车开行方案的服务网络和车站关系网络以挖掘空间关联性,在时间注意力模块中用注意力机制获取时间关联特征,并用多层长短期记忆人工神经网络实现路网上多站的多步客流预测。选取京沪高速铁路沿线车站到发客流为研究对象,并对比不同步长下的短期到发客流预测效果,结果表明STGNN明显优于对比预测方法。 展开更多

关键词 高速铁路 客流预测 关系图卷积 时间注意力 时空图神经网络

在线阅读 下载PDF 职称材料

多因子融合时空图神经网络的交通参数预测 被引量：1

16

作者 张建旭 金宏意 +1 位作者 胡帅 王雪芹 《重庆理工大学学报（自然科学）》 北大核心 2023年第8期185-193,共9页

针对路网级交通参数预测时空特性挖掘不足的问题,提出一种多因子融合时空图神经网络(MF-STGNN)。该模型从路网地理拓扑结构、通行能力和道路交通数据相关性3个角度挖掘路网的空间特征,再通过时间模块(GRU)提取时间特征。在多因子空间特... 针对路网级交通参数预测时空特性挖掘不足的问题,提出一种多因子融合时空图神经网络(MF-STGNN)。该模型从路网地理拓扑结构、通行能力和道路交通数据相关性3个角度挖掘路网的空间特征,再通过时间模块(GRU)提取时间特征。在多因子空间特征聚合模块(MF-GNN)中,构建了3个因子关联矩阵;将其中的通行能力关联矩阵C和交通数据关联矩阵D输入到基于频域的图卷积网络(GCN)中,将空间近邻矩阵A输入到图注意力网络(GAT)中,分别提取3种不同的空间特征,将3种特征通过通道注意力模型进行融合,通过GRU提取时间特征。使用重庆市渝北区部分区域浮动车数据集进行实验,结果表明:MF-STGNN能够更好地捕捉路网的时空特性,提高预测精度。 展开更多

关键词 因子关联矩阵 多因子融合时空图神经网络 图卷积网络 图注意力网络 门控循环单元

在线阅读 下载PDF 职称材料

基于时空图神经网络的手势识别 被引量：14

17

作者 袁冠 邴睿 +3 位作者 刘肖 代伟 张艳梅 蔡卓 《电子学报》 EI CAS CSCD 北大核心 2022年第4期921-931,共11页

随着感知计算以及传感器集成技术的发展,使用各种传感设备实时捕捉的手势运动数据,为人机交互提供了新的驱动力,并被广泛地应用于智能家居、远程医疗、虚拟现实等领域.由于手势动作具有时序性与空间连接性,因此在手势识别中需要考虑手... 随着感知计算以及传感器集成技术的发展,使用各种传感设备实时捕捉的手势运动数据,为人机交互提供了新的驱动力,并被广泛地应用于智能家居、远程医疗、虚拟现实等领域.由于手势动作具有时序性与空间连接性,因此在手势识别中需要考虑手势空间连接关系和手势长距离依赖特性.然而现有的手势识别方法忽略了上述两种特性,导致识别精度不高.本文提出了基于时空图神经网络的手势识别算法,该方法从传感器空间分布角度出发,基于传感器的空间位置信息,借助图神经网络(Graph Neural Networks,GNN)对手势数据之间的空间关联性进行表征,并引入门控循环单元(Gated Recurrent Unit,GRU)解决手势的时序性和长距离依赖问题,增强手势识别性能.在多种数据集上的实验结果证明本文方法可行且有效. 展开更多

关键词 手势识别 多传感器融合 时空图神经网络 循环神经网络

在线阅读 下载PDF 职称材料

基于时空卷积神经网络的数据缺失交通流预测 被引量：8

18

作者 张壮壮 屈立成 +2 位作者 李翔 张明皓 李昭璐 《计算机工程与应用》 CSCD 北大核心 2022年第7期259-265,共7页

针对数据连续缺失情况下交通流预测精度下降甚至失效的问题,提出了一种时空卷积神经网络预测模型,根据横向分布的时间相关性和纵向分布的空间相关性,构建路网交通数据时空矩阵,引入掩码矩阵标记数据的缺失状况,利用卷积操作提取路网中... 针对数据连续缺失情况下交通流预测精度下降甚至失效的问题,提出了一种时空卷积神经网络预测模型,根据横向分布的时间相关性和纵向分布的空间相关性,构建路网交通数据时空矩阵,引入掩码矩阵标记数据的缺失状况,利用卷积操作提取路网中各检测器之间隐含的非线性关联,建立当前时刻与未来交通状态的映射关系,实现数据缺失情况下的交通流预测。使用公开数据集,在3个时间尺度上的验证结果表明,所提出的模型在平均误差和预测精度两个方面均优于长短期记忆网络、门控循环单元、扩散卷积神经网络和图马尔可夫网络模型,在交通数据随机缺失和连续缺失两种情况下,均表现出了良好的稳定性和健壮性。 展开更多

关键词 智能交通系统 交通流预测 深度学习 时空卷积神经网络 连续数据缺失

在线阅读 下载PDF 职称材料

基于门控时空图神经网络的电力系统暂态稳定评估 被引量：12

19

作者 刘建锋 姚晨曦 陈乐乐 《电力科学与技术学报》 CAS CSCD 北大核心 2023年第2期214-223,共10页

随着特高压交直流互联规模的不断扩大,在线高精度快速地暂态稳定评估对电网安全运行至关重要。为此,提出一种基于门控时空图神经网络的暂态稳定评估方法,并采用时间自适应方法,同时提高暂态稳定评估的准确度和速度。首先,为减小故障切... 随着特高压交直流互联规模的不断扩大,在线高精度快速地暂态稳定评估对电网安全运行至关重要。为此,提出一种基于门控时空图神经网络的暂态稳定评估方法,并采用时间自适应方法,同时提高暂态稳定评估的准确度和速度。首先,为减小故障切除后动态拓扑结构对暂态稳定评估影响,使用门控时空图神经网络提取融合电网的拓扑结构关键特征和相邻节点属性信息,学习空间数据相关性、提高评估准确度。然后,将提取的特征量输入门控神经网络以学习各个时刻数据相关性,调整稳定性阈值快速输出准确评估结果;同时,为避免模型性能受训练样本质量的影响,采用具有K最近邻思想的改进加权交叉熵损失函数处理不平衡训练样本。最后,通过分析算例,从数据可视化视图验证所提出的方法能有效提高评估准确度和缩短评估时间。 展开更多

关键词 暂态稳定评估 门控时空图神经网络 门控神经网络 K最近邻 数据可视化

在线阅读 下载PDF 职称材料

基于深度时空卷积神经网络的人群异常行为检测和定位 被引量：16

20

作者 胡学敏 陈钦 +2 位作者 杨丽 余进 童秀迟 《计算机应用研究》 CSCD 北大核心 2020年第3期891-895,共5页

针对公共场合人群异常行为检测准确率不高和训练样本缺乏的问题,提出一种基于深度时空卷积神经网络的人群异常行为检测和定位的方法。首先针对监控视频中人群行为的特点,综合利用静态图像的空间特征和前后帧的时间特征,将二维卷积扩展... 针对公共场合人群异常行为检测准确率不高和训练样本缺乏的问题,提出一种基于深度时空卷积神经网络的人群异常行为检测和定位的方法。首先针对监控视频中人群行为的特点,综合利用静态图像的空间特征和前后帧的时间特征,将二维卷积扩展到三维空间,设计面向人群异常行为检测和定位的深度时空卷积神经网络;为了定位人群异常行为,将视频分成若干子区域,获取视频的子区域时空数据样本,然后将数据样本输入设计的深度时空卷积神经网络进行训练和分类,实现人群异常行为的检测与定位。同时,为了解决深度时空卷积神经网络训练时样本数量不足的问题,设计一种迁移学习的方法,利用样本数量多的数据集预训练网络,然后在待测试的数据集中进行微调和优化网络模型。实验结果表明,该方法在UCSD和subway公开数据集上的检测准确率分别达到了99%和93%以上。 展开更多

关键词 人群异常行为检测 深度时空卷积神经网络 迁移学习 数据扩充

在线阅读 下载PDF 职称材料