グラフプロセスは、地震の震源地の特定や天気予報など、多くの重要な問題をモデル化します。本論文では、これらの問題に対処するために特別に設計されたグラフ畳み込み再帰ニューラルネットワーク（GCRNN）アーキテクチャを提案します。GCRNNは、畳み込みフィルタバンクを使用して、学習可能なパラメータ数がグラフのサイズや考慮される時間系列の長さに依存しないようにしています。また、LSTMに類似した時間ゲート付き変種であるゲーテッドGCRNNも提案します。合成データと実際のデータを用いた実験で、GNNや他のグラフ再帰アーキテクチャと比較した結果、GCRNNは性能を大幅に向上させつつ、使用するパラメータ数を大幅に削減しています。