首页 | 本学科首页   官方微博 | 高级检索  
     

基于注意力机制的CNN-GCN模型及其应用
引用本文:李继龙,霍纬纲,李勤. 基于注意力机制的CNN-GCN模型及其应用[J]. 计算机工程与设计, 2022, 43(3): 895-901. DOI: 10.16208/j.issn1000-7024.2022.03.040
作者姓名:李继龙  霍纬纲  李勤
作者单位:中国民航大学计算机科学与技术学院,天津300300,京北方信息技术股份有限公司 IT服务交付中心部北京平台,北京100032
摘    要:现有多变量时间序列(multivariate time series,MTS)预测方法模型主要采用循环神经网络和注意力机制提取MTS的复杂时空特征,这些方法对MTS变量之间的空间依赖关系的捕获能力不足。图卷积网络对复杂数据的空间特征提取能力较强。为此提出一种融入图卷积网络、注意力机制和深度学习中的卷积神经网络的三通道网络框架模型,将该框架模型用于多变量时间序列预测任务。实验结果表明,该模型在国际汇率这一多变量时间序列数据集上的性能表现要优于目前较先进的几个基线模型。

关 键 词:注意力机制  图卷积网络  时间序列预测  卷积神经网络  深度学习

CNN-GCN model based on attention mechanism and its application
LI Ji-long,HUO Wei-gang,LI Qin. CNN-GCN model based on attention mechanism and its application[J]. Computer Engineering and Design, 2022, 43(3): 895-901. DOI: 10.16208/j.issn1000-7024.2022.03.040
Authors:LI Ji-long  HUO Wei-gang  LI Qin
Abstract:
Keywords:
本文献已被 万方数据 等数据库收录!
设为首页 | 免责声明 | 关于勤云 | 加入收藏

Copyright©北京勤云科技发展有限公司  京ICP备09084417号