【图神经网络：原理与实战】第五章 动态图学习（时序图）

目录

5.1 问题形式化与分类

5.1.1 离散时间演化图的定义与记号

5.1.2 连续时间事件图（CTDG）的数学刻画与对数似然推导

5.1.3 静态—动态混合问题的界定

5.1.4 评价指标与时间敏感性量化

5.2 时间编码与时序嵌入

5.2.1 绝对时间编码与相对时间编码的数学比较

5.2.2 周期性与非平稳时间信号建模

5.2.3 时间编码在消息传递中的注入方式 — 数学效果分析

5.2.4 时间卷积与时序注意力的数学性质

5.3 流式更新与增量学习策略

5.3.1 事件驱动的在线更新流程（形式化与正确性）

5.3.2 缓存与窗口机制的状态管理：截断误差界

5.3.3 增量参数更新（在线 SGD）与收敛性证明

5.3.4 概念漂移检测与触发重训练的统计检验

5.4 全局依赖建模与 SGD-DyG 分析

5.4.1 全局—局部冲突的量化表达

5.4.2 SGD-DyG 框架与收敛界（严密推导）

5.4.3 复杂度评估与内存边界

5.4.4 实验设计与基准建议（定量化）

本章小结

---