基于特征蒸馏的变分编码器交通流预测模型OA北大核心CSTPCD
针对交通流数据高维非线性和时空依赖性复杂,本文构建了基于特征蒸馏的变分贝叶斯编码器交通流预测模型.对每段时间序列对应的时间窗口特征,构建了基于多模态时间槽和空间槽的交通流特征提取模型.以时空槽特征提取模型作为特征知识蒸馏架构的输入.通过知识蒸馏结构提取的时空特征结晶体,利用教师模型指导学生模型的学习过程,从而提高学生模型的泛化能力.变分贝叶斯编码器对交通流时空特征结晶编码获取交通流数据的隐变量,根据隐变量的生成采样,利用解码器将其解码重构成新的预测值.实验结果表明,本文提出的模型预测性能显著提升,且中长期预测中鲁棒性更优.
欧阳毅;汤文燕;黎晏伶;
浙江工商大学管理科学与电子商务学院,浙江杭州310000
电子信息工程
特征蒸馏多模态时间槽空间槽变分贝叶斯生成式模型变分推断
《电子学报》 2024 (006)
P.1938-1944 / 7
浙江工商大学“数字+学科建设项目”(No.SZJ2022C004);浙江工商大学2023年度省级及以上教学平台自主设立校级教学项目(No.1310XJ0521036)。
评论