已入深夜,您辛苦了!由于当前在线用户较少,发布求助请尽量完整地填写文献信息,科研通机器人24小时在线,伴您度过漫漫科研夜!祝你早点完成任务,早点休息,好梦!

Meta-MSNet: Meta-Learning Based Multi-Source Data Fusion for Traffic Flow Prediction

计算机科学 利用 元学习(计算机科学) 一般化 人工智能 任务(项目管理) 编码器 流量(计算机网络) 机器学习 数据挖掘 模式识别(心理学) 数学 管理 经济 操作系统 数学分析 计算机安全
作者
Shen Fang,Xianbing Pan,Shiming Xiang,Chunhong Pan
出处
期刊:IEEE Signal Processing Letters [Institute of Electrical and Electronics Engineers]
卷期号:28: 6-10 被引量:36
标识
DOI:10.1109/lsp.2020.3037527
摘要

Traffic flow prediction is a challenging task while most existing works are faced with two main problems in extracting complicated intrinsic and extrinsic features. In terms of intrinsic features, current methods don't fully exploit different functions of short-term neighboring and long-term periodic temporal patterns. As for extrinsic features, recent works mainly employ hand-crafted fusion strategies to integrate external factors but remain generalization issues. To solve these problems, we propose a meta-learning based multi-source spatio-temporal network (Meta-MSNet). The Meta-MSNet is designed with an encoder-decoder structure. The encoder captures neighboring temporal dependencies while the decoder extracts periodic features. Furthermore, two meta-learning based fusion modules are designed to integrate multi-source external data both on temporal and spatial dimensions. Experiments on three real-world traffic datasets have verified the superiority of the proposed model.
最长约 10秒,即可获得该文献文件

科研通智能强力驱动
Strongly Powered by AbleSci AI
更新
PDF的下载单位、IP信息已删除 (2025-6-4)

科研通是完全免费的文献互助平台,具备全网最快的应助速度,最高的求助完成率。 对每一个文献求助,科研通都将尽心尽力,给求助人一个满意的交代。
实时播报
刚刚
5秒前
qq完成签到,获得积分20
6秒前
年鱼精完成签到 ,获得积分10
6秒前
自信号厂完成签到 ,获得积分10
7秒前
lalala完成签到 ,获得积分10
7秒前
乐乐乐乐乐乐应助duohao2023采纳,获得30
8秒前
growl完成签到,获得积分10
9秒前
DiviO_发布了新的文献求助10
10秒前
qq发布了新的文献求助10
11秒前
科研助手6应助似画采纳,获得10
11秒前
写个锤子完成签到,获得积分10
16秒前
pterionGao完成签到 ,获得积分10
19秒前
20秒前
海派Hi完成签到 ,获得积分10
21秒前
非洲大象给非洲大象的求助进行了留言
21秒前
皮皮完成签到 ,获得积分10
25秒前
鲁路修完成签到,获得积分10
26秒前
喜悦的小土豆完成签到 ,获得积分10
27秒前
27秒前
读书的时候完成签到,获得积分10
29秒前
高兴1江完成签到,获得积分10
29秒前
轻松的惜芹应助CC采纳,获得10
32秒前
ofafafa完成签到 ,获得积分10
38秒前
brick2024完成签到,获得积分10
39秒前
40秒前
劳健龙完成签到 ,获得积分10
40秒前
侃侃完成签到,获得积分10
42秒前
阿鑫完成签到 ,获得积分10
44秒前
流年发布了新的文献求助10
45秒前
mumufan完成签到,获得积分10
45秒前
47秒前
xiaa0618完成签到 ,获得积分10
51秒前
54秒前
隐形曼青应助白云垛采纳,获得10
55秒前
谦让的雅青完成签到 ,获得积分10
55秒前
LJL完成签到 ,获得积分10
58秒前
钱仙人完成签到,获得积分10
59秒前
幸符完成签到 ,获得积分10
1分钟前
科研达人发布了新的文献求助10
1分钟前
高分求助中
A new approach to the extrapolation of accelerated life test data 1000
ACSM’s Guidelines for Exercise Testing and Prescription, 12th edition 500
Indomethacinのヒトにおける経皮吸収 400
Phylogenetic study of the order Polydesmida (Myriapoda: Diplopoda) 370
基于可调谐半导体激光吸收光谱技术泄漏气体检测系统的研究 350
Robot-supported joining of reinforcement textiles with one-sided sewing heads 320
Aktuelle Entwicklungen in der linguistischen Forschung 300
热门求助领域 (近24小时)
化学 材料科学 医学 生物 工程类 有机化学 生物化学 物理 内科学 纳米技术 计算机科学 化学工程 复合材料 遗传学 基因 物理化学 催化作用 冶金 细胞生物学 免疫学
热门帖子
关注 科研通微信公众号,转发送积分 3989972
求助须知:如何正确求助?哪些是违规求助? 3532034
关于积分的说明 11256042
捐赠科研通 3270884
什么是DOI,文献DOI怎么找? 1805093
邀请新用户注册赠送积分活动 882256
科研通“疑难数据库(出版商)”最低求助积分说明 809216