基于動(dòng)態(tài)自適應(yīng)時(shí)空?qǐng)D的多元時(shí)序預(yù)測(cè)模型

摘要： 深度學(xué)習(xí)模型在多元時(shí)間序列預(yù)測(cè)、智能駕駛、圖像識(shí)別等多個(gè)領(lǐng)域廣泛應(yīng)用，其中多元時(shí)間序列預(yù)測(cè)是學(xué)者們關(guān)注的重點(diǎn)之一，多元時(shí)間序列預(yù)測(cè)是典型的回歸任務(wù)，旨在通過(guò)海量的歷史數(shù)據(jù)構(gòu)建模型以預(yù)測(cè)未來(lái)狀態(tài)，被廣泛運(yùn)用于交通、電力、金融等領(lǐng)域.多元時(shí)間序列數(shù)據(jù)具有復(fù)雜的時(shí)空依賴性，現(xiàn)有模型大多僅能捕獲序列數(shù)據(jù)中的時(shí)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(wèn)題.圖神經(jīng)網(wǎng)絡(luò)能夠自然地建模... （共13頁(yè)）