学术报告
我的位置在: 首页 > 学术报告 > 正文
刁祖龙:基于动态图卷积神经网络的交通流量预测研究
浏览次数:日期:2018-11-16编辑:研究生教务办1

【公派访学报告】刁祖龙:基于动态图卷积神经网络的交通流量预测研究

时间:1119日(周一) 下午2:30-3:30

地点: 软件大楼330

题目:基于动态图卷积神经网络的交通流量预测研究

主讲人:刁祖龙


主讲人简介:

刁祖龙,湖南大学信息科学与工程学院2014级博士研究生,导师为张大方教授,于20179月至20189月在美国纽约州立大学电气与计算机工程进行为期一年的国家公派博士联合培养,美国导师为王欣教授。主要研究方向为基于机器学习/深度学习的流量分析与预测。在纽约州立大学留学期间以第一作者身份分别在国际人工智能顶会AAAI-2019和国际权威SCI期刊IEEE Transaction on Intelligent Transportation Systems发表学术论文。


内容提要:

图卷积神经网络自2014年提出以来,被广泛的应用在了图片处理、流量预测等各个领域。相比传统的卷积神经网络,图卷积神经网络引入了谱图理论并且支持图结构的数据输入。然而,现有的图卷积神经网络研究普遍采用静态的图结构拉普拉斯矩阵,针对空间依赖关系随时间动态变化的应用场景,比如交通路网等,预测性能较差。为解决这个问题,本研究提出了一种动态图卷积神经网络。该网络能够在执行图卷积操作之前,自动从输入数据中抽取实时的图结构拉普拉斯矩阵,网络的预测准确性和容错性大幅提高。我们的研究对于进一步提升图卷积神经网络的应用具有重大的意义。