时空图神经网络模型在时间序列预测和分类中的系统文献综述

文章预览

近年来，时空图神经网络（GNNs）因其能够捕捉变量之间以及时间点之间的依赖关系，而在时间序列分析领域引起了广泛关注。因此，本系统文献综述的目的是提供 GNNs 在时间序列分类和预测中的各种建模方法和应用领域的全面概览。我们进行了数据库检索，筛选出 150 多篇期刊论文，以详细审查该领域当前的最先进成果。本综述旨在向读者提供一个全面的模型集合，包含相关源代码链接、可用数据集、基准模型和拟合结果。希望这些信息能够为未来的研究提供帮助。据我们所知，这是首个系统文献综述，详细比较了当前时空 GNN 模型在不同领域的研究结果。此外，本综述的最后部分讨论了时空 GNN 应用中的当前局限性和挑战，例如可比性、可复现性、可解释性、信息容量不足和可扩展性。 近年来，图神经网络（GNNs）作为处理图结构数据的强大人工 ………………………………