HyperAIHyperAI
منذ 2 أشهر

ST-UNet: شبكة U-مكانيّة-زمنيّة لنمذجة السلاسل الزمنية ذات البنية الرسمية البيانية

Bing Yu; Haoteng Yin; Zhanxing Zhu
ST-UNet: شبكة U-مكانيّة-زمنيّة لنمذجة السلاسل الزمنية ذات البنية الرسمية البيانية
الملخص

التعلم الرسومي المكاني-زماني يصبح موضوعًا متزايد الأهمية في دراسة الرسوم البيانية. تشمل العديد من المجالات التطبيقية رسومًا بيانية ديناميكية للغاية حيث تكون المعلومات الزمانية حاسمة، مثل شبكات المرور والرسوم البيانية للمعاملات المالية. على الرغم من التقدم المستمر في تعلم البيانات الهيكلية، لا يزال هناك نقص في الوسائل الفعالة لاستخراج الخصائص الديناميكية المعقدة من الهياكل المكانية-زمانية. بشكل خاص، لا تستطيع النماذج التقليدية مثل الشبكات الإدراكية أو الشبكات العصبية المتكررة الكشف عن الأنماط الزمنية على المدى القصير أو الطويل واستكشاف الخصائص المكانية في نطاق محلي أو عالمي من الرسوم البيانية المكانية-زمانية في الوقت نفسه. لحل هذه المشكلة، صممنا معمارية متعددة المقاييس جديدة، وهي شبكة U-Net المكانية-زمانية (ST-UNet)، لنموذج سلاسل زمنية ذات هيكل رسومي.在这U形网络中,相应地在时空域提出了配对采样操作:池化(ST-Pool)从其确定性分区中粗化输入图,并通过扩张的递归跳过连接抽象出多分辨率时间依赖关系;根据降采样中的先前设置,反池化(ST-Unpool)恢复时空图的原始结构,并在图序列内恢复常规间隔。在时空预测任务上的实验表明,我们的模型有效地捕捉了多个尺度上的综合特征,并在几个真实数据集上实现了相对于主流方法的重大改进。为了使这段文字更符合阿拉伯语的表达习惯,我将对其进行适当的调整:في هذه الشبكة ذات الشكل U، تم اقتراح عملية عينة مزدوجة في مجال الزمان والمكان: عملية التجميع (ST-Pool) تقوم بتبسيط الرسم البياني المدخل من خلال تقسيمه الحتمي بينما تجرد الاعتمادات الزمنية متعددة الدقة عبر الروابط المتكررة المنتفخة؛ بناءً على الإعدادات السابقة في عملية التقليل، تقوم عملية فك التجميع (ST-Unpool) بإعادة بناء الهيكل الأصلي للرسوم البيانية المكانية-زمانية وإعادة إنشاء الفواصل الزمنية المنتظمة داخل سلاسل الرسوم البيانية. أظهرت التجارب على مهام التنبؤ المكاني-زماني أن نموذجنا يلتقط بفعالية الخصائص الشاملة على عدة مقاييس ويحقق تحسينات كبيرة مقارنة بالطرق الرئيسية على عدة قواعد بيانات حقيقية.