基於圖卷積神經網絡GCN的時間序列預測:圖與遞歸結構相結合預測庫存需求

時間序列預測任務能夠按照不一樣的方法執行。最經典的是基於統計和自迴歸的方法。更準確的是基於加強和集成的算法，咱們必須使用滾動週期生成大量有用的手工特性。另外一方面，咱們能夠使用在開發過程當中提供更多自由的神經網絡模型，提供對順序建模的可定製的特性。git 循環和卷積結構在時間序列預測中取得了巨大的成功。該領域中有趣的方法是經過採用最初在NLP中本地的Transformers和Attention架構

>>阅读原文<<