快速时间小波图神经网络
机器学习
2023-10-31 v3
摘要
时空信号预测在众多领域中发挥着重要作用，尤其在神经科学与交通领域。由于网络具有高度复杂的空间结构以及非线性的时间动态特性，该任务极具挑战性。为了对人脑与交通网络实现可靠且及时的预测，我们提出了快速时间小波图神经网络（FTWGNN），该网络针对具有底层图结构的时间序列数据上的学习任务，在时间与内存上均高效，这得益于离散空间上的多分辨率分析与小波理论。我们采用多分辨率矩阵分解（MMF）（Kondor et al., 2014）对高度稠密的图结构进行因式分解，并计算相应的稀疏小波基，从而构建快速小波卷积作为我们新架构的骨干。在真实世界的 PEMS-BAY、METR-LA 交通数据集以及 AJILE12 ECoG 数据集上的实验结果表明，FTWGNN 在与当前最优方法具有竞争力的同时，保持了较低的计算开销。我们的 PyTorch 实现已公开于 https://github.com/HySonLab/TWGNN。
引用
@article{arxiv.2302.08643,
title = {Fast Temporal Wavelet Graph Neural Networks},
author = {Duc Thien Nguyen and Manh Duc Tuan Nguyen and Truong Son Hy and Risi Kondor},
journal= {arXiv preprint arXiv:2302.08643},
year = {2023}
}
备注
arXiv admin note: text overlap with arXiv:2111.01940