基于深度循環(huán)高斯模型的動態(tài)時空預(yù)測

打開文本圖片集

型主要利用卷積神經(jīng)網(wǎng)絡(luò)和循環(huán)神經(jīng)網(wǎng)絡(luò)對時空數(shù)據(jù)進(jìn)行建模；現(xiàn)有的深度學(xué)習(xí)時空預(yù)測方法具備復(fù)雜特征表達(dá)和高效模型求解的優(yōu)勢。然而，在現(xiàn)實(shí)生活中進(jìn)行時空預(yù)測時，現(xiàn)有神經(jīng)網(wǎng)絡(luò)模型缺乏對全局規(guī)律的建模，難以建模動態(tài)變化的空間分布與時間依賴。相較于神經(jīng)網(wǎng)絡(luò)模型，概率模型可以更好地捕捉空間維度的全局規(guī)律和時間維度的依賴規(guī)律，為預(yù)測提供更加豐富的信息。（剩余14711字）