BriefGPT - AI 论文速递
·
STAHGNet: Efficient Modeling of Hybrid-grained Heterogeneous Dependencies for Traffic Prediction
💡
原文英文，约100词，阅读约需1分钟。
📝
内容提要
本研究提出了STAHGNet框架，旨在解决交通流预测中的混合粒度演变问题。通过混合图注意模块和粗粒度时间图生成器，STAHGNet显著提升了预测性能和计算效率，节省了四倍以上的空间资源。
🎯
关键要点
-
本研究提出了STAHGNet框架，旨在解决交通流预测中的混合粒度演变问题。
-
STAHGNet通过混合图注意模块和粗粒度时间图生成器耦合异构相关性。
-
实验结果显示，STAHGNet在多个数据集上的预测性能显著优于现有方法。
-
STAHGNet在计算效率上也具有明显优势，节省了四倍以上的空间资源。
➡️
