轻松发高分的好思路：GNN+时间序列预测！新SOTA效率翻了5倍

文章预览

在时序预测领域，通过合理构建和应用图结构，GNN能有效捕捉时空数据中的复杂依赖关系，轻松提高预测的准确性。因此 GNN+时序预测在学术界和工业界都广受欢迎。 最近这个方向出现了很多效果很好的研究，比如GraFITi模型，利用GNN来预测不规则采样的时间序列数据，预测准确性超越SOTA，运行时间最高减少了5倍。再比如GinAR，即使在90%的变量缺失的情况下，仍然能取得最佳成果。 可见GNN+时序预测研究热度高涨， 可参考的创新方案和可挖掘的创新点自然也比较多，容易发表高质量的论文 ，想投顶会给自己加码的同学可以考虑。 这里为了帮助各位快速了解这个方向目前的最新动态，我整理好了 9篇 GNN+时序预测今年最新的论文 给各位作参考，代码基本都有。 扫码添加小享， 回复“ GNN时序预测 ” 免费获取 全部论文+开源代码 GraFITi: Graphs for Forecasti ………………………………