yukiaustin的博客

Regularized Graph Structure Learning with Semantic Knowledge for Multi-variates Time-Series Forecasting读后笔记

这篇文章摘要首先提到了图神经网络已经被证明是一种强大的机制。然而大多数现有的GCN只具有静态架构，没有明确考虑到被编码后知识（这里的知识就是那些序列数据吧）的时间依赖性，并且在同时推断实体之间潜在的时间条件关系的能力比较薄弱。论文假设这种隐藏的时间条件数学可以被多参数持久性（multipersistence：我认为这里翻译为多参数持久性更为恰当）工具捕获,multipersistence是拓扑学中一种新兴机制，它允许我们沿着多个几何维度量化数据形态的动态性。

自己收集数据集，对数据集进行预处理，然后对STGCN\ASTGCN\STSGCN\STFGNN模型进行对比，实验步骤。

前言主要记录一下实验过程中遇到的问题，理论部分的内容不做详述。第一周（2022/02/28-2022/03/04）