机器学习周报第33周-摘要

本周学习了一篇基于STFGNNs的多变量时间序列预测的论文，论文的模型为DSTIGNN（动态时空交互图神经网络），主要包括如下四个模块：时空交互学习模块（Spatiotemporal Interactive Learning Module）、动态图推理模块（Dynamic Graph Inference Module）、动态图卷积模块（Dynamic Graph Convolution Module）以及输出模块（Output Module）。动态图推理模块通过融合两类异构信息对变量之间的动态空间关联进行建模，并与动态图卷积模块相结合，在空间维度上进行信息传播。同时，利用下采样操作和多个样本卷积模块联合捕获多分尺度时间相关性。随后，这些模块被集成到一个时空交互学习框架中，实现了时间和空间特征的同步捕获。在6个基准数据集上进行了大量实验，实验结果表明，DSTIGNN表现出了最先进的性能。