Buchumschlag

Context-aware knowledge graph framework for traffic speed forecasting using graph neural network

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Zhang, Yatao, Wang, Yi, Gao, Song, Raubal, Martin
Format:	Preprint
Veröffentlicht:	2024
Schlagworte:	Machine Learning Physics and Society
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

Bidirectional yet asymmetric causality between urban systems and traffic dynamics in 30 cities worldwide
von: Zhang, Yatao, et al.
Veröffentlicht: (2025)

A causal intervention framework for synthesizing mobility data and evaluating predictive neural networks
von: Hong, Ye, et al.
Veröffentlicht: (2023)

Community detection robustness of graph neural networks
von: Goel, Jaidev, et al.
Veröffentlicht: (2025)

A novel hybrid time-varying graph neural network for traffic flow forecasting
von: Dai, Ben-Ao, et al.
Veröffentlicht: (2024)

PANDORA: Deep graph learning based COVID-19 infection risk level forecasting
von: Yu, Shuo, et al.
Veröffentlicht: (2024)

Deep Generative Model for Human Mobility Behavior
von: Hong, Ye, et al.
Veröffentlicht: (2025)

A unifying primary framework for quantum graph neural networks from quantum graph states
von: Daskin, Ammar
Veröffentlicht: (2024)

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

Mobility-GCN: a human mobility-based graph convolutional network for tracking and analyzing the spatial dynamics of the synthetic opioid crisis in the USA, 2013-2020
von: Xia, Zhiyue, et al.
Veröffentlicht: (2024)

Learning production functions for supply chains with graph neural networks
von: Chang, Serina, et al.
Veröffentlicht: (2024)

Robustness in sparse artificial neural networks trained with adaptive topology
von: Sulyok, Bendegúz, et al.
Veröffentlicht: (2026)

Particle-based plasma simulation using a graph neural network
von: Mlinarević, Marin, et al.
Veröffentlicht: (2025)

Evidence and quantification of cooperation of driving agents in mixed traffic flow
von: Chen, Di, et al.
Veröffentlicht: (2024)

Machine learning and economic forecasting: the role of international trade networks
von: Silva, Thiago C., et al.
Veröffentlicht: (2024)

Urban delineation through the lens of commute networks: Leveraging graph embeddings to distinguish socioeconomic groups in cities
von: Khulbe, Devashish, et al.
Veröffentlicht: (2025)

DemandCast: Global hourly electricity demand forecasting
von: Steijn, Kevin, et al.
Veröffentlicht: (2025)

Efficient n-body simulations using physics informed graph neural networks
von: Ramos-Osuna, Víctor, et al.
Veröffentlicht: (2025)

An embedding-based distance for temporal graphs
von: Dall'Amico, Lorenzo, et al.
Veröffentlicht: (2024)

Task complexity shapes internal representations and robustness in neural networks
von: Jankowski, Robert, et al.
Veröffentlicht: (2025)

Counterfactual Explanations for Deep Learning-Based Traffic Forecasting
von: Wang, Rushan, et al.
Veröffentlicht: (2024)

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

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

Exploring structure diversity in atomic resolution microscopy with graph neural networks
von: Luo, Zheng, et al.
Veröffentlicht: (2024)

State estimation of urban air pollution with statistical, physical, and super-learning graph models
von: Dolbeault, Matthieu, et al.
Veröffentlicht: (2024)

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

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

When do neural ordinary differential equations generalize on complex networks?
von: Laber, Moritz, et al.
Veröffentlicht: (2026)

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

GraphVAMPNet, using graph neural networks and variational approach to markov processes for dynamical modeling of biomolecules
von: Ghorbani, Mahdi, et al.
Veröffentlicht: (2022)

Neural networks for dengue forecasting: a systematic review
von: Lober, Luiza, et al.
Veröffentlicht: (2021)

Learning the dynamics of a one-dimensional plasma model with graph neural networks
von: Carvalho, Diogo D, et al.
Veröffentlicht: (2023)

Connecting the geometry and dynamics of many-body complex systems with message passing neural operators
von: Gabriel, Nicholas A., et al.
Veröffentlicht: (2025)

Signed graphs in data sciences via communicability geometry
von: Diaz-Diaz, Fernando, et al.
Veröffentlicht: (2024)

Decoding street network morphologies and their correlation to travel mode choice
von: Riascos-Goyes, Juan Fernando, et al.
Veröffentlicht: (2025)

Short-term wind speed forecasting model based on an attention-gated recurrent neural network and error correction strategy
von: Huang, Haojian
Veröffentlicht: (2024)

A data augmentation strategy for deep neural networks with application to epidemic modelling
von: Awais, Muhammad, et al.
Veröffentlicht: (2025)

MaxCutPool: differentiable feature-aware Maxcut for pooling in graph neural networks
von: Abate, Carlo, et al.
Veröffentlicht: (2024)

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

Approaching epidemiological dynamics of COVID-19 with physics-informed neural networks
von: Han, Shuai, et al.
Veröffentlicht: (2023)

Prediction of social dilemmas in networked populations via graph neural networks
von: Tan, Huaiyu, et al.
Veröffentlicht: (2024)