TY -的A2段超群解释道盟- Yu,金立群AU -王,红旗盟- Mo, Haoran PY - 2020 DA - 2020/11/26 TI -估计网络流动的边缘通过递归网络嵌入SP - 8893381六世- 2020 AB -在这篇文章中,我们提出一个新颖的semisupervised学习框架学习边的流图。考虑到标签边缘的流量值,本文的任务是学习未知的流值的标记边缘。为此,我们引入一个价值所持有和实施,每个节点的值从每个节点的连接边缘流向与节点的值是一致的。我们建议嵌入节点连续向量空间,这样每个节点的嵌入向量可以从邻国重建通过递归神经网络模型,线性归一化长短期记忆。此外,我们还认为每个节点的值是嵌入在邻国的嵌入向量,从而提出的节点值近似邻域递归网络的输出。我们建立一个统一的学习框架通过制定一个最小化问题。构建学习问题,我们构建最小化的三个子问题:(1)嵌入的错误的每个节点递归网络,(2)的每个节点的建设的价值,和(3)之间的差异值的每个节点和边缘的估计价值流动。我们开发一个迭代学习算法节点嵌入,边缘流动,和节点共同价值观。我们执行实验基于一些网络数据的数据集,包括交通网络和创新。实验结果表明我们的算法是更有效的比最先进的。 SN - 1070-9622 UR - https://doi.org/10.1155/2020/8893381 DO - 10.1155/2020/8893381 JF - Shock and Vibration PB - Hindawi KW - ER -