时空图预测的方法论，以及 diffusion model 基本概念

前天和善良的同学聊天，请教了 ① 时空图预测的方法论，② diffusion model 基本概念，记录下来。

• ① 时空图预测的方法论：
  • 首先，构造 0 ~ t-1 时刻的 t 个图，每个图都有 n 个点。建图可以按照地理位置 / 特征相似性来建。貌似一般不会考虑边的权重，只考虑两点是否连接。
  • 然后，对这 t 个图分别跑 t 个独立的 GNN，每个节点都拿到了邻居的信息。
  • 最后，将这 n 个点在 0 ~ t-1 个时刻的这 t 个值，拿出来作为时间序列，跑 RNN 或 LSTM、TCN 之类，从而预测下一时刻这 n 个点的数值，最终得到 t 时刻的图。
  • 总之就是 0 ~ t-1 时刻的 t 个图，然后把 GNN 操作、时序预测操作叠加起来。
• ② diffusion model 基本概念：
  • 它最早在图片生成任务上被应用，是一种加噪声的训练方法；
  • （具体细节不了解）可能是把图片 a 加噪声得到 a'，然后把输入为 a' 标签为 a 的数据当作训练数据去训。
  • 这位同学的老师在想，能否把 diffusion model 和图结合起来。
  • 我也在想，能否把 diffusion model 应用在其他生成场景。

（ btw，善良同学推荐的土豆粉很好吃 😋）