Buchumschlag

A novel hybrid time-varying graph neural network for traffic flow forecasting

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Dai, Ben-Ao, Ye, Bao-Lin, Li, Lingxi
Format:	Preprint
Veröffentlicht:	2024
Schlagworte:	Machine Learning
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

Context-aware knowledge graph framework for traffic speed forecasting using graph neural network
von: Zhang, Yatao, et al.
Veröffentlicht: (2024)

Metalearning traffic assignment for network disruptions with graph convolutional neural networks
von: Agriesti, Serio, et al.
Veröffentlicht: (2026)

Flow reconstruction in time-varying geometries using graph neural networks
von: Danciu, Bogdan A., et al.
Veröffentlicht: (2024)

Grey-informed neural network for time-series forecasting
von: Xie, Wanli, et al.
Veröffentlicht: (2024)

Leveraging graph neural networks and mobility data for COVID-19 forecasting
von: Duarte, Fernando H. O., et al.
Veröffentlicht: (2025)

Learnable quantum spectral filters for hybrid graph neural networks
von: Daskin, Ammar
Veröffentlicht: (2025)

Drought forecasting using a hybrid neural architecture for integrating time series and static data
von: Agudelo, Julian, et al.
Veröffentlicht: (2025)

Hypercomplex neural network in time series forecasting of stock data
von: Kycia, Radosław, et al.
Veröffentlicht: (2024)

FasterSTS: A Faster Spatio-Temporal Synchronous Graph Convolutional Networks for Traffic flow Forecasting
von: Dai, Ben-Ao, et al.
Veröffentlicht: (2025)

Physics-informed deep operator network for traffic state estimation
von: Li, Zhihao, et al.
Veröffentlicht: (2025)

Transfer learning-based physics-informed convolutional neural network for simulating flow in porous media with time-varying controls
von: Chen, Jungang, et al.
Veröffentlicht: (2023)

The logic of rational graph neural networks
von: Khalife, Sammy
Veröffentlicht: (2023)

Informed along the road: roadway capacity driven graph convolution network for network-wide traffic prediction
von: Bian, Zilin, et al.
Veröffentlicht: (2024)

Effective backdoor attack on graph neural networks in link prediction tasks
von: Dai, Jiazhu, et al.
Veröffentlicht: (2024)

Boosting long-term forecasting performance for continuous-time dynamic graph networks via data augmentation
von: Tian, Yuxing, et al.
Veröffentlicht: (2023)

Embedding spatial context in urban traffic forecasting with contrastive pre-training
von: Low, Matthew, et al.
Veröffentlicht: (2025)

Decomposing weather forecasting into advection and convection with neural networks
von: Chen, Mengxuan, et al.
Veröffentlicht: (2024)

Automatic selection of the best neural architecture for time series forecasting
von: Cao, Qianying, et al.
Veröffentlicht: (2025)

Time series forecasting with Hahn Kolmogorov-Arnold networks
von: Hasan, Md Zahidul, et al.
Veröffentlicht: (2026)

Super-resolution of turbulent reacting flows on complex meshes using graph neural networks
von: Dash, Priyabrat, et al.
Veröffentlicht: (2026)

Generating adversarial inputs for a graph neural network model of AC power flow
von: Parker, Robert
Veröffentlicht: (2026)

Thermodynamics-informed graph neural networks for real-time simulation of digital human twins
von: Tesán, Lucas, et al.
Veröffentlicht: (2024)

Normalizing flow neural networks by JKO scheme
von: Xu, Chen, et al.
Veröffentlicht: (2022)

Compute the edge p-Laplacian centrality for air traffic network
von: Tran, Loc Hoang, et al.
Veröffentlicht: (2025)

Inverse analysis of granular flows using differentiable graph neural network simulator
von: Choi, Yongjin, et al.
Veröffentlicht: (2024)

Physics-informed graph neural networks for flow field estimation in carotid arteries
von: Suk, Julian, et al.
Veröffentlicht: (2024)

Explaining deep neural network models for electricity price forecasting with XAI
von: Pesenti, Antoine, et al.
Veröffentlicht: (2025)

Multiscale autonomous forecasting of plasma systems' dynamics using neural networks
von: Faraji, Farbod, et al.
Veröffentlicht: (2025)

On-line conformalized neural networks ensembles for probabilistic forecasting of day-ahead electricity prices
von: Brusaferri, Alessandro, et al.
Veröffentlicht: (2024)

Two-stage hybrid models for enhancing forecasting accuracy on heterogeneous time series
von: Ren, Junru, et al.
Veröffentlicht: (2025)

Incorporating graph neural network into route choice model
von: Ma, Yuxun, et al.
Veröffentlicht: (2025)

On the power of graph neural networks and the role of the activation function
von: Khalife, Sammy, et al.
Veröffentlicht: (2023)

A survey of dynamic graph neural networks
von: Zheng, Yanping, et al.
Veröffentlicht: (2024)

A review of graph neural network applications in mechanics-related domains
von: Zhao, Yingxue, et al.
Veröffentlicht: (2024)

Nonparametric estimation of time-varying network connections by multi-stage smoothing
von: Lee, Jeonghwan, et al.
Veröffentlicht: (2026)

Do graph neural network states contain graph properties?
von: Pelletreau-Duris, Tom, et al.
Veröffentlicht: (2024)

Residual connections provably mitigate oversmoothing in graph neural networks
von: Chen, Ziang, et al.
Veröffentlicht: (2025)

Local neural operator for solving transient partial differential equations on varied domains
von: Li, Hongyu, et al.
Veröffentlicht: (2022)

Hybrid FedGraph: An efficient hybrid federated learning algorithm using graph convolutional neural network
von: Jang, Jaeyeon, et al.
Veröffentlicht: (2024)

Urban traffic analysis and forecasting through shared Koopman eigenmodes
von: Yang, Chuhan, et al.
Veröffentlicht: (2024)