面向交通流量预测的多组件时空图卷积网络

流量预测一直是交通领域研究者和实践者关注的热点问题.流量数据具有高度的非线性和复杂性,对其进行精准预测具有很大的挑战,现有的预测方法大多不能很好地捕获数据的时空相关性.提出一种新颖的基于深度学习的多组件时空图卷积网络(MCSTGCN),以解决交通流量预测问题.MCSTGCN通过3个组件分别建模流量数据的近期、日周期、周周期特性,每个组件同时利用空间维图卷积和时间维卷积有效捕获交通数据的时空相关性.在美国加利福尼亚州高速公路流量公开数据集上进行了实验,结果表明,MCSTGCN模型的预测效果优于现有的预测方法.

论设计诗的语言视觉化表达

语言视觉化是近年来越来越热议的一个话题,本文通过分析《设计诗》一书,论述其如何利用语言视觉化来表现诗歌,进而阐明《设计诗》这种语言视觉化给现当代诗歌带来的创新,最终借鉴《设计诗》的形式法则对平面设计的影响,肯定了视觉诗的存在的原因。