摘要
图过程模型在解决诸如确定地震震中或预测天气等重要问题方面具有广泛的应用。本文提出了一种专门针对这些问题设计的图卷积递归神经网络（Graph Convolutional Recurrent Neural Network, GCRNN）架构。GCRNN 使用卷积滤波器库，使得可训练参数的数量与图的大小及所考虑的时间序列长度无关。我们还提出了门控 GCRNN（Gated GCRNN），这是一种类似于长短期记忆网络（LSTM）的时间门控变体。在使用合成数据和真实数据进行的实验中，与图神经网络（GNN）和其他图递归架构相比，GCRNN 显著提高了性能，同时使用的参数数量显著减少。