图神经网络在物联网中的应用：综述
机器学习
2022-04-01 v2
摘要
物联网（IoT）的蓬勃发展几乎革新了人们日常生活的各个角落：医疗健康、家居、交通、制造、供应链等。随着近期传感器与通信技术的发展，包括智能穿戴设备、摄像头、智能手表和自动驾驶汽车在内的物联网设备能够精确测量并感知周围环境。持续感知产生了海量数据，并为机器学习带来挑战。深度学习模型（如卷积神经网络和循环神经网络）已广泛通过学习多模态传感数据中的模式来解决物联网任务。图神经网络（GNNs）作为一类新兴且快速增长的神经网络模型，能够捕捉传感器拓扑内的复杂交互，并已被证明在众多物联网学习任务中取得了最先进的（state-of-the-art）结果。本综述对 GNNs 在物联网领域应用的近期进展进行了全面回顾，包括对多种物联网感知环境中 GNN 设计的深入剖析、对所收集出版物中公开数据与源代码的整体梳理，以及未来研究方向。为追踪新发表的工作，我们收集了代表性论文及其开源实现，并在 https://github.com/GuiminDong/GNN4IoT 创建了 Github 仓库。
引用
@article{arxiv.2203.15935,
title = {Graph Neural Networks in IoT: A Survey},
author = {Guimin Dong and Mingyue Tang and Zhiyuan Wang and Jiechao Gao and Sikun Guo and Lihua Cai and Robert Gutierrez and Bradford Campbell and Laura E. Barnes and Mehdi Boukhechba},
journal= {arXiv preprint arXiv:2203.15935},
year = {2022}
}