47 lines
1.2 KiB
Markdown
47 lines
1.2 KiB
Markdown
流量单位时间内的流量
|
||
|
||
|
||
|
||
若有中心服务器，可以保存全局0/1邻接矩阵A+带权邻接矩阵+特征矩阵H，周围节点通信一次即可获取全局信息
|
||
|
||
无中心服务器，每个节点可以获取0/1邻接矩阵A+带权邻接矩阵
|
||
|
||
|
||
|
||
实时重构出邻接矩阵a和权重矩阵 是否有帮助？ 带权邻接矩阵-》特征矩阵？ TGAT或EvolveGCN进行推理？
|
||
|
||
带权邻接矩阵仅作为边特征，特征矩阵？
|
||
|
||
|
||
|
||
社交网络中邻居关系，节点特征是不断变化的，可以利用TGAT或EvolveGCN进行预测，那么就要用已有训练集。但是不适合仿真使用，仿真是基于节点移动模型的。
|
||
|
||
|
||
|
||
|
||
|
||
关键假设：假设历史真实数据已知 可以拟合 二次函数 当作当前的测量值 因为我们要做实时估计 可能来不及获取实时值 但可以拟合过去的
|
||
|
||
或者直接谱分解上一个时刻重构的矩阵，得到特征值和特征向量序列 加上随机扰动作为观测输入
|
||
|
||
|
||
|
||
证明特征值稳定性： 网络平均度+高飞证明+gpt+实验。
|
||
|
||
|
||
|
||
|
||
|
||
特征值误差分析（方差）直接看李振河的，滤波误差看郭款
|
||
|
||
|
||
|
||
|
||
|
||
|
||
|
||
|
||
|
||
|
||
|