초록
그래프 프로세스는 지진의 진앙을 식별하거나 날씨를 예측하는 등 여러 중요한 문제를 모델링합니다. 본 논문에서는 이러한 문제들을 해결하기 위해 특화된 그래프 컨볼루셔널 재귀 신경망 (Graph Convolutional Recurrent Neural Network, GCRNN) 아키텍처를 제안합니다. GCRNN은 컨벌루션 필터 뱅크를 사용하여 학습 가능한 매개변수의 수가 그래프의 크기와 고려되는 시간 시퀀스에 독립적으로 유지되도록 합니다. 또한, LSTM과 유사한 시간 게이트 변형인 게이티드 GCRNN (Gated GCRNN)도 제시합니다. 합성 데이터와 실제 데이터를 사용한 실험에서 GCRNN은 GNN과 다른 그래프 재귀 아키텍처와 비교하여 성능을 크게 향상시키면서도 상당히 적은 매개변수를 사용하는 것으로 나타났습니다.