Équations Différentielles Contrôlées par Réseaux de Neurones Graphiques pour la Prévision du Trafic

La prévision du trafic est l'une des tâches spatio-temporelles les plus populaires dans le domaine de l'apprentissage automatique. Une approche répandue dans ce domaine consiste à combiner des réseaux de neurones convolutifs graphiques et des réseaux de neurones récurrents pour le traitement spatio-temporel. Une concurrence féroce a eu lieu et de nombreuses méthodes novatrices ont été proposées. Dans cet article, nous présentons la méthode d'équation différentielle contrôlée par réseau de neurones graphique spatio-temporel (STG-NCDE). Les équations différentielles contrôlées par neurones (NCDE) sont un concept révolutionnaire pour le traitement des données séquentielles. Nous étendons le concept et concevons deux NCDE : l'une pour le traitement temporel et l'autre pour le traitement spatial. Ensuite, nous les combinons dans un cadre unique. Nous réalisons des expériences avec 6 ensembles de données de référence et 20 lignes de base. STG-NCDE montre la meilleure précision dans tous les cas, surpassant ces 20 lignes de base par des marges non triviales.