前天和善良的同学聊天,请教了 ① 时空图预测的方法论,② diffusion model 基本概念,记录下来。
- ① 时空图预测的方法论:
- 首先,构造 0 ~ t-1 时刻的 t 个图,每个图都有 n 个点。建图可以按照地理位置 / 特征相似性来建。貌似一般不会考虑边的权重,只考虑两点是否连接。
- 然后,对这 t 个图分别跑 t 个独立的 GNN,每个节点都拿到了邻居的信息。
- 最后,将这 n 个点在 0 ~ t-1 个时刻的这 t 个值,拿出来作为时间序列,跑 RNN 或 LSTM、TCN 之类,从而预测下一时刻这 n 个点的数值,最终得到 t 时刻的图。
- 总之就是 0 ~ t-1 时刻的 t 个图,然后把 GNN 操作、时序预测操作叠加起来。
- ② diffusion model 基本概念:
- 它最早在图片生成任务上被应用,是一种加噪声的训练方法;
- (具体细节不了解)可能是把图片 a 加噪声得到 a',然后把输入为 a' 标签为 a 的数据当作训练数据去训。
- 这位同学的老师在想,能否把 diffusion model 和图结合起来。
- 我也在想,能否把 diffusion model 应用在其他生成场景。
( btw,善良同学推荐的土豆粉很好吃
标签:diffusion,预测,时空图,model,基本概念,个点 From: https://www.cnblogs.com/moonout/p/17471922.html