Directed hypergraph attention network for traffic forecasting

Traffic flow forecasting is the basic challenge in intelligent transportation system (ITS). The key problem is to improve the accuracy of model and capture the dynamic temporal and nonlinear spatial dependence. Using real data is one of the ways to improve the spatial–temporal correlation modeling accuracy. However, real traffic flow data are not strictly periodic because of some random factors, which may lead to some deviations. This study focuses on capturing and modeling the temporal perturbation in real periodic data and we propose a spatial–temporal similar graph attention network (STSGAN) to address this problem. In STSGAN, the spatial–temporal graph convolution module is to capture local spatial–temporal relationship in traffic data, and the periodic similar attention module is to treat the nonlinear traffic flow information. Experiments on three datasets demonstrate that our model is best among all methods.

Download Full-text

Neurofeedback-Training bei Kindern mit Aufmerksamkeitsdefizit-/ Hyperaktivitätsstörung (ADHS)

Zeitschrift für Kinder- und Jugendpsychiatrie und Psychotherapie ◽

10.1024/1422-4917/a000070 ◽

2010 ◽

Vol 38 (6) ◽

pp. 409-420 ◽

Cited By ~ 10

Author(s):

Holger Gevensleben ◽

Gunther H. Moll ◽

Hartmut Heinrich

Keyword(s):

Attention Network Test ◽

Sich Eine ◽

Neurofeedback Training ◽

Attention Network ◽

Klinische Wirksamkeit

Im Rahmen einer multizentrischen, randomisierten, kontrollierten Studie evaluierten wir die klinische Wirksamkeit eines Neurofeedback-Trainings (NF) bei Kindern mit einer Aufmerksamkeitsdefizit-/Hyperaktivitätsstörung (ADHS) und untersuchten die einem erfolgreichen Training zugrunde liegenden neurophysiologischen Wirkmechanismen. Als Vergleichstraining diente ein computergestütztes Aufmerksamkeitstraining, das dem Setting des Neurofeedback-Trainings in den wesentlichen Anforderungen und Rahmenbedingungen angeglichen war. Auf Verhaltensebene (Eltern- und Lehrerbeurteilung) zeigte sich das NF-Training nach Trainingsende dem Kontrolltraining sowohl hinsichtlich der ADHS-Kernsymptomatik als auch in assoziierten Bereichen überlegen. Für das Hauptzielkriterium (Verbesserung im FBB-HKS Gesamtwert) ergab sich eine mittlere Effektstärke (von 0.6). Sechs Monate nach Trainingsende (follow-up) konnte das gleiche Ergebnismuster gefunden werden. Die Ergebnisse legen somit den Schluss nahe, dass NF einen klinisch wirksamen Therapiebaustein zur Behandlung von Kindern mit ADHS darstellt. Auf neurophysiologischer Ebene (EEG; ereignisbezogene Potentiale, EPs) konnten für die beiden Neurofeedback-Protokolle Theta/Beta-Training und Training langsamer kortikaler Potentiale spezifische Effekte aufgezeigt werden. So war für das Theta/Beta-Training beispielsweise die Abnahme der Theta-Aktivität mit einer Reduzierung der ADHS-Symptomatik assoziiert. Für das SCP-Training wurde u. a. im Attention Network Test eine Erhöhung der kontingenten negativen Variation beobachtet, die die mobilisierten Ressourcen bei Vorbereitungsprozessen widerspiegelt. EEG- und EP-basierte Prädiktorvariablen konnten ermittelt werden. Der vorliegende Artikel bietet einen Gesamtüberblick über die in verschiedenen Publikationen unserer Arbeitsgruppe beschriebenen Ergebnisse der Studie und zeigt zukünftige Fragestellungen auf.

Download Full-text

External modulation of the sustained attention network in traumatic brain injury.

Neuropsychology ◽

10.1037/neu0000442 ◽

2018 ◽

Vol 32 (5) ◽

pp. 541-553 ◽

Cited By ~ 3

Author(s):

Nadine M. Richard ◽

Charlene O'Connor ◽

Ayan Dey ◽

Ian H. Robertson ◽

Brian Levine

Keyword(s):

Traumatic Brain Injury ◽

Brain Injury ◽

Sustained Attention ◽

Attention Network ◽

External Modulation

Download Full-text

An Improved Model for Short-Term Traffic Forecasting Considering Weather Impacts

CICTP 2017 ◽

10.1061/9780784480915.080 ◽

2018 ◽

Author(s):

Xinchao Chen ◽

Si Qin ◽

Jian Zhang ◽

Huachun Tan ◽

Yunxia Xu ◽

...

Keyword(s):

Short Term ◽

Traffic Forecasting ◽

Improved Model ◽

Weather Impacts

Download Full-text

El Attention Network Test en el estudio de los déficits cognitivos de pacientes con trastorno por déficit de atención

Revista de Neurología ◽

10.33588/rn.6910.2019202 ◽

2019 ◽

Vol 69 (10) ◽

pp. 423

Author(s):

Manuel Vázquez Marrufo ◽

Macarena García-Valdecasas Colell ◽

Alejandro Galvao Carmona ◽

Esteban Sarrias Arrabal ◽

Javier Tirapu Ustárroz

Keyword(s):

Attention Network Test ◽

Attention Network

Download Full-text

Street Traffic Forecasting Ongoing Advances and New Challenges

International Journal of Computer Sciences and Engineering ◽

10.26438/ijcse/v7i3.650656 ◽

2019 ◽

Vol 7 (3) ◽

pp. 650-656

Author(s):

Mohd Azeem Ansari ◽

T. Arundhathi

Keyword(s):

Traffic Forecasting ◽

Street Traffic ◽

New Challenges

Download Full-text

PREDICTING CHARACTERISTICS OF SELF SIMILAR TRAFFIC BY SPLINE-EXTRAPOLATION

Visnyk Universytetu “Ukraina” ◽

10.36994/2707-4110-2019-1-22-21 ◽

2019 ◽

Author(s):

Irina Strelkovskay ◽

Irina Solovskaya ◽

Anastasija Makoganjuk ◽

Nikolaj Severin

Keyword(s):

Quality Characteristics ◽

Traffic Prediction ◽

Normative Values ◽

Spline Functions ◽

Network Nodes ◽

Traffic Forecasting ◽

Network Equipment ◽

Self Similar ◽

Accuracy Of Prediction

The problem of forecasting self-similar traffic, which is characterized by a considerable number of ripples and the property of long-term dependence, is considered. It is proposed to use the method of spline extrapolation using linear and cubic splines. The results of self-similar traffic prediction were obtained, which will allow to predict the necessary size of the buffer devices of the network nodes in order to avoid congestion in the network and exceed the normative values of QoS quality characteristics. The solution of the problem of self-similar traffic forecasting obtained with the Simulink software package in Matlab environment is considered. A method of extrapolation based on spline functions is developed. The proposed method has several advantages over the known methods, first of all, it is sufficient ease of implementation, low resource intensity and accuracy of prediction, which can be enhanced by the use of quadratic or cubic interpolation spline functions. Using the method of spline extrapolation, the results of self-similar traffic prediction were obtained, which will allow to predict the required volume of buffer devices, thereby avoiding network congestion and exceeding the normative values of QoS quality characteristics. Given that self-similar traffic is characterized by the presence of "bursts" and a long-term dependence between the moments of receipt of applications in this study, given predetermined data to improve the prediction accuracy, it is possible to use extrapolation based on wavelet functions, the so-called wavelet-extrapolation method. Based on the results of traffic forecasting, taking into account the maximum values of network node traffic, you can give practical guidance on how traffic is redistributed across the network. This will balance the load of network objects and increase the efficiency of network equipment.

Download Full-text