基于深度学习的图信号联合预测与插值
信号处理
2020-06-03 v1
摘要
我们解决利用网络节点子集获取的过去信号测量值来预测网络信号快照的问题。该任务可视为多元时间序列预测与图信号插值的结合。这对于许多难以部署高粒度网络的应用而言是一个基本问题。我们的方案将循环神经网络与图信号处理中的频域分析工具相结合，并假设数据相对于底层图具有充分平滑性。所提方法优于最先进的深度学习技术，尤其在仅可获取小部分图信号时，基于两个不同真实世界数据集：美国温度与西雅图速度流。结果还表明我们的方法可处理含噪信号与缺失数据，使其适用于许多实际应用。
引用
@article{arxiv.2006.01536,
title = {Joint Forecasting and Interpolation of Graph Signals Using Deep Learning},
author = {Gabriela Lewenfus and Wallace Alves Martins and Symeon Chatzinotas and Björn Ottersten},
journal= {arXiv preprint arXiv:2006.01536},
year = {2020}
}