论文标题 ｜ Discrete Graph Structure Learning for Forecasting Multiple Time Series
论文来源 ｜ ICLR 2021
论文链接 ｜ https://arxiv.org/abs/2101.06861
源码链接 ｜ https://github.com/chaoshangcs/GTS

TL;DR

论文中提出一种在图结构未知的情况下可以基于 GNN 学习图结构的模型 GTS，首先将该图学习问题转化为通过优化图分布上的平均性能来学习概率图模型，然后使用神经网络学习图参数化的分布，再通过重参数化进行可微分采样来得到离散图结构。在实验部分通过与多种不同类型的模型进行对比，说明 GTS 模型更加的简单高效。因此，文章整体在于学习变量间的图结构，目测时间序列预测仅是用于实验中验证模型的有效性。

Algorithm/Model

Experiments

Thoughts