weixin_44889440的博客

原创 论文-Connecting the Dots: Multivariate Time Series Forecasting with Graph Neural Networks

此外，为了显示MTGNN与其他使用预定义图结构信息的时空图神经网络相比的表现，我们在时空图神经网的两个 benchmark 数据集上评估了MTGNN，任务是预测未来的多个步骤。对此，文章使用了一种采样的方法，只计算节点子集的成对关系，切断了每个 mini-batch 中计算和内存的瓶颈。在多变量时间序列预测中，往往是一个节点条件的变化导致另一个节点的条件（如交通流量）的变化。因此，学习的关系应该是单向的。滤波器太大，不能将短期的信号模式的微妙信息表示出来，选择的太小可能无法充分的发现长期信号的模式。