BriefGPT - AI 论文速递
·
HDGL：一种用于脑疾病分类的层次动态图表示学习模型
💡
原文中文，约300字，阅读约需1分钟。
📝
内容提要
本文提出了一种名为动态超图结构学习的新模型，用于解决交通流预测问题。该模型通过提取超图结构信息来学习非成对关系，并通过聚合来自关联超边的消息来更新每个节点的表示。同时，介绍了互动图卷积块，进一步模拟每个节点的邻域交互。最后，将这两个视角整合到一个综合的多尺度相关性提取模块中，该模块通过不同尺度的时间池化来建模不同的时间模式。实验证明，该模型在四个流行的交通基准数据集上表现优异。
🎯
关键要点
- 本文研究交通流预测问题，通过建模交通网络和过去的交通状况来预测未来交通情况。
- 提出了一种名为动态超图结构学习 (DyHSL) 的新模型，解决复杂交通网络中的表现不佳问题。
- 该模型通过提取超图结构信息学习非成对关系，并聚合来自关联超边的消息更新节点表示。
- 介绍了互动图卷积块，模拟每个节点的邻域交互，捕捉道路网络中的高阶时空关系。
- 将超图结构学习和互动图卷积块整合到一个多尺度相关性提取模块中，通过不同尺度的时间池化建模不同时间模式。
- 在四个流行的交通基准数据集上进行了实验证明，DyHSL模型表现优异。
🏷️
标签
➡️
