【时空图神经网络 & 交通】相干模子2：STSGCN | 时空同步图卷积网络 | 空间相干性，时间相干性，空间-时间异质性

注：仅学习使用~
前情提要：

  

• 【时空图神经网络 & 交通】相干模子1：STGCN | 完全卷积布局，高效的图卷积近似，瓶颈策略 | 时间门控卷积层：GLU（Gated Linear Unit），一种特殊的非线性门控单元
  

  
STSGCN-2020年

1.1 配景

该文章来自于AAAI集会（国际先辈人工智能协会），是国际顶级人工智能学术集会之一。

   时空网络数据预测在交通管理和城市规划的大量应用中具有紧张意义。然而，匿伏的复杂时空相干性和异质性使这一问题具有挑衅性。现有方法通常使用单独的组件来捕获空间和时间相干性，而忽略了时空数据的异质性。本文提出了一种用于时空网络数据预测的新型模子，定名为时空同步图卷积网络（STSGCN）。该模子通过经心设计的时空同步建模机制，可以或许有效捕获复杂的