m0_53961910的博客

DCRNN（扩散卷积递归神经网络），Diffusion Convolutional Recurrent Neural Network: Data-Driven Traffic Forecasting。 模型主要进行节点的预测任务，给定节点T个时刻的历史特征，通过DCRNN模型来对T+1时刻的节点特征进行预测。节点数为10，节点之间的拓扑结构为随机生成的拓扑结构，通过邻接矩阵A来表示。具体代码实现如下

上一篇文章中具体介绍了GC-LSTM的原理，这里基于PyG Temporal中的GCLSTM模块对实现一个基于GC-LSTM的预测模型。注：这里可以是流量预测等各种节点特征。

GC-LSTM利用GCN提取图数据的拓扑结构特征，LSTM提取序列数据的时序特征，从而能够对动态变化的图拓扑进行预测。本文详细介绍了GC-LSTM模型的原理，并基于PYG Temporal对其进行代码实现。

从0到1的GCN代码实现。详细介绍了基于GCN公式的代码实现，以及更加简单高效的基于Pytorch Geometric(PyG)的GCN的代码实现。帮助小白快速入手GCN！！！