综述 | 时空图神经网络模型在时间序列预测和分类中的应用

文章预览

近年来，GNNs因其处理图结构数据的能力而广受欢迎。这进而促使时间序列分析领域近年来开发出时空GNNs，以模拟变量之间以及跨时间点的依赖关系。本文介绍一篇系统性文献综述，该综述探讨了时空图神经网络（GNNs）模型在不同领域时间序列分类和预测问题中的应用。 【论文标题】 A Systematic Literature Review of Spatio-Temporal Graph Neural Network Models for Time Series Forecasting and Classification 【论文地址】 https://arxiv.org/abs/2410.22377 综述引言 近年来，图神经网络（GNNs）作为一类强大的人工神经网络模型出现，用于处理可以表示为图的数据。 GNNs可用于三种不同的问题类别：图级、边级和节点级。在图级问题中，目标是基于整个图的结构预测图的一个属性，而不是基于单个节点或边。例如，样本中的一个分子可以表示为一个图，并且可以从与样本相关的整个结构的 ………………………………