报告摘要：由于交通流数据的时空复杂性，为了提高预测模型的建模性能、可解释性和预测精度，我们提出了一种新的具有自相关机制的广义时空回归图卷积神经网络，该系统将广义时空回归和自相关注意力机制集成到图卷积网络中。该模型将原始时空数据的特征分解为空间和时间两个方面。在空间上，使用空间权重网络来学习真实环境中的语义空间权重。在时间上，使用自相关注意力机制提取时间相关性，同时动态学习空间相关性。在两个交通流数据集上的实验表明，我们的模型框架表现优异。
报告时间：2023年5月18日15:30
报告地点：X30425
报告人：苏理云，2007年获四川大学概率论与数理统计博士学位，现为重庆理工大学理学院统计与数据科学系主任、教授，统计学硕士生导师，应用统计专业硕士生导师，MBA硕士生导师，丹麦奥尔堡大学访问学者，重庆数学学会常务理事。已在《人口研究》、《数理统计与管理》、《电子学报》、《物理学报》、《Applied Soft Computing》、《Digital Signal Processing》、《Mechanical Systems and Signal Processing》、《Computers & Mathematics with Applications》等国内外重要期刊发表论文50余篇，其中SCI收录30余篇。主持国家社科基金、教育部人文社科基金、重庆市自然科学基金等省部级及以上项目10余项。2022年获重庆市社会科学优秀成果二等奖，主持重庆市教育教学改革重大项目1项，重庆市应用统计研究生联合培养基地负责人，重庆市一流课程《概率论》负责人。
