GRAM-ODE

在这里插入图片描述

本文是在 STGODEMTGODE基础上发展来的,同时也对其进行对比

现状问题

在这里插入图片描述

本文主要针对以下几个问题进行分析:

1、图神经网络得过平滑现象

2、长期时间序列预测问题

3、高纬度时空相关性

在这里插入图片描述

创新点

针对这样的几个问题,分别作出设计:

本文得思路是从GCN能天然得图结构相关性,这给我们在空间上能够得到相当丰富得地理信息,然而这往往存在一个过平滑得问题,本文引入Neural Differential Equation Methods得思想,从常微分方程得角度去解决这个现象。

同时以往的工作是忽视了局部信息,只关注

  • 1
    点赞
  • 0
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值