标题：爱丁堡、剑桥、牛津|PyTorch Geometric Temporal: Spatiotemporal Signal Processing

with Neural Machine Learning Models（PyTorch时空：神经机器学习模型时空信号处理）

简介：我们为PyTorch Geometric Temporal提供了一个深度学习框架，该框架结合了最新的机器学习算法，可用于神经时空信号处理。 该库的主要目标是使时间几何深度学习可用于研究人员和机器学习从业人员在统一易用的框架中。 PyTorch几何时态创建于基于PyTorch生态系统中现有库的基础，简化的神经网络层定义，用于批处理的临时快照生成器以及集成的基准数据集。 通过类似教程的案例研究来说明这些功能。 实验展示所实施模型的预测性能在软件库中了解现实世界的问题，例如流行病学预测，乘车需求预测和网络流量管理。我们对运行时的敏感性分析表明，该框架可以可能会在具有丰富的时间特征和空间结构的网络级数据集上运行。

代码：https://github.com/benedekrozemberczki/pytorch_geometric_temporal

内容中包含的图片若涉及版权问题，请及时与我们联系删除