PulseAugur
中
实时 13:15:22
English(EN) UST-GNN: A Unified Spatial--Topological Graph Neural Network Framework for Urban Analytics--Demonstrated through a Case Study on Urban Health Prediction

新的UST-GNN框架通过统一的空间-拓扑方法增强城市分析能力

作者 PulseAugur 编辑部 · [1 个来源] ·

研究人员开发了UST-GNN，一个用于城市分析的统一空间和拓扑图神经网络的新框架。该方法整合了邻里连通性、多样化的城市特征和位置嵌入，以更好地理解复杂的城市结果。通过使用MedSAT数据集对大伦敦地区的城市健康预测进行的案例研究，UST-GNN的样本外R^2提高了13.2%，显著优于现有方法。该框架还包括一个用于解释学习到的嵌入的模块，提供了对政策相关因素的见解，并有助于城市规划和决策。 AI

影响 这个统一的框架可以提高城市规划和公共卫生计划的预测准确性和可解释性。

排序理由 该集群包含一篇详细介绍新框架及其应用的学术论文。[lever_c_demoted from research: ic=1 ai=1.0]

在 arXiv cs.LG 阅读 →

AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →

报道来源 [1]

  1. arXiv cs.LG TIER_1 English(EN) · Minwei Zhao, Sanja Scepanovic, Stephen Law, Ivica Obadic, Cai Wu, Daniele Quercia ·

    UST-GNN: A Unified Spatial--Topological Graph Neural Network Framework for Urban Analytics--Demonstrated through a Case Study on Urban Health Prediction

    arXiv:2504.04739v3 Announce Type: replace Abstract: Understanding how social, demographic, environmental, and spatial factors jointly shape urban outcomes is essential for sustainable urban development and evidence-based policy. Traditional statistical approaches often struggle t…

相关实体

相关话题