CyclicGraphAttentiveMatchingEncoder(CGAME)Abstract将多区间交通流量视为时空输入，将OD（originaldestination）矩阵视为异构图结构输出。我们提出的CGAME是循环图注意匹配编码器的简称，它包括双向编码器-解码器网络，以及隐藏层中具有双层注意机制的新型图匹配器。它实现了前向网络和后向网络之间的有效信息交换，并建立了跨底层特征空间的耦合关系。1、Introduce在估计方法方面，卡尔曼滤波器（KF）、贝叶斯方法、广义最小二乘法（GLS）、最大似然法（ML）和基于梯度的技术[1]是以往工作中常用的方法。OD估计可视为寻找下式解的过程[

AttentiveMomentRetrievalinVideos论文笔记0.论文地址1.摘要2.引言3.模型结构3.1MemoryAttentionNetwork3.2Cross-ModalFusionNetwork4.训练4.1对齐损失4.2定位回归损失4.3合并5.实验5.1数据集5.2效果5.3ACRN的研究6未来工作0.论文地址2018AttentiveMomentRetrievalinVideos1.摘要设计了一种记忆注意机制来强调查询中提到的视觉特征，并同时合并它们的上下文，在DiDeMoandTACoS两个数据集表现的比较好。2.引言候选时刻的选择和相关性估计是任务的关键所在，目