《DIFFUSION CONVOLUTIONAL RECURRENT NEURAL NETWORK: DATA-DRIVEN TRAFFIC FORECASTING》论文阅读笔记

摘要：时空预测在神经科学、气候和交通等领域有着丰富的应用，其中交通预测就是一个典型的例子，该任务极具挑战性，因为：（1）道路网络中复杂的空间相关性；（2）伴随着道路状况变化的非线性时间动态性；（3）长期预测的内在困难性。为了解决这些问题，我们提出将交通流量建模为一个在有向图的扩散过程（diffusion process），并提出了一个扩散卷积循环神经网络（DCRNN），它是一个针对交通预测的深度学

>>阅读原文<<