现代结构感知单纯几何时空神经网络
机器学习
2026-04-20 v1
摘要
时空建模已发展超越简单时间序列分析，成为结构时序分析的核心。尽管当前研究广泛使用图神经网络（GNN）进行空间特征提取，但这些网络仅能捕获二元关系，而现实网络包含更丰富的拓扑关系。此外，GNN-based模型面临随图复杂度增长的计算挑战，限制了其在大规模网络上的应用。为此，我们提出现代结构感知单纯几何时空神经网络（ModernSASST），首个利用单纯形复合体结构进行时空建模的方法。该方法在高维单纯形复合体上进行时空随机漫步，集成可并行化的时序卷积网络，以捕获高阶拓扑结构同时保持计算效率。我们的源代码已公开在GitHub上\footnote{代码地址：https://github.com/ComplexNetTSP/ST_RUM}。
引用
@article{arxiv.2604.15833,
title = {Modern Structure-Aware Simplicial Spatiotemporal Neural Network},
author = {Zhaobo Hu and Vincent Gauthier and Mehdi Naima},
journal= {arXiv preprint arXiv:2604.15833},
year = {2026}
}