TGN

T-GNN：序列图神经网络

物体与物体之间的关系

GNN：静态，图结构不变，特征变化

T-CNN：动态，时间变化时，图的特征变化，结构也在变化

TGCN

15-16年 T-GCN:A Temporal Graph Convolutional Network for Traffic Prediction

GCN+GRU

代码：https://github.com/martinwhl/T-GCN-PyTorch

Embedding：表示从一个物体映射为低维向量的动作，一种将离散对象（例如单词、字符、类别标签等）映射到实数域中一个连续向量空间的表示方法

T-GCN应用领域：

1. 交通流量预测
2. 疾病蔓延
3. 行为识别（手势）：将手的关节点作为图数据节点
4. 电力系统预测

序列图神经网络细节

以交通流量预测为例：

自定义：传感器网络根据道路的连接方式构建图结构

1、构建图数据结构

2、构建序列输入，传感器数据随着时间的变化而变化

序列构建之后，每一时刻都走GCN，重构自己的特征

核心问题：时间、空间

空间中 图的特征提取

时间中 将时间空间特征联系到一起做预测

时序图中的memory中只存储每个节点最新时刻的embedding状态

在聚合过程中并不是用RNN来聚合

非时序图都是对节点的特征做操作

时序图

TimeEncode也可以使用其他方法对时间编码