原创力文档- 1、原创力文档（book118）网站文档一经付费（服务费），不意味着购买了该文档的版权，仅供个人/单位学习、研究之用，不得用于商业用途，未经授权，严禁复制、发行、汇编、翻译或者网络传播等，侵权必究。。
- 2、本站所有内容均由合作方或网友上传，本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺！文档内容仅供研究参考，付费前请自行鉴别。如您付费，意味着您自己接受本站规则且自行承担风险，本站不退款、不进行额外附加服务；查看《如何避免下载的几个坑》。如果您已付费下载过本站文档，您可以点击 这里二次下载。
- 3、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等，请点击“版权申诉”（推荐），也可以打举报电话：400-050-0827(电话支持时间：9:00-18:30)。
- 4、该文档为VIP文档，如果想要下载，成为VIP会员后，下载免费。
- 5、成为VIP后，下载本文档将扣除1次下载权益。下载后，不支持退款、换文档。如有疑问请联系我们。
- 6、成为VIP后，您将拥有八大权益，权益包括：VIP文档下载权益、阅读免打扰、文档格式转换、高级专利检索、专属身份标志、高级客服、多端互通、版权登记。
- 7、VIP文档为合作方或网友上传，每下载1次， 网站将根据用户上传文档的质量评分、类型等，对文档贡献者给予高额补贴、流量扶持。如果你也想贡献VIP文档。上传文档
ComputerEngineeringandApplications计算机工程与应用2025，61（5）43
时空图神经网络在物联网中的应用综述
11+213
张建伟，陈旭，王叔洋，景永俊，宋吉飞
1.北方民族大学计算机科学与工程学院，银川750030
2.北方民族大学电气信息工程学院，银川750030
3.国家新型互联网交换中心，宁夏中卫755001
+通信作者E-mail：chenxu@
摘要：随着物联网在各个领域物理设备的发展，产生的大量数据给当前数据处理方法带来了挑战。深度学习模型
具备处理大规模和高维度数据的能力，已逐渐应用于物联网不同领域。时空图神经网络作为一种处理图结构数据的深
度学习模型，能够对物联网中的拓扑结构和时间信息进行建模，并在物联网预测任务中展现出优秀性能。介绍了物联
网中的时间相关性和空间相关性，以及不同时空网络架构的构建方法，并基于空间相关性的不同，将时空图神经网
络分为时空图卷积网络和时空图注意力网络。进一步分析了时空图卷积网络和时空图注意力网络在物联网中的应
用，主要包括交通、环境和能源领域。最后，探讨了时空图神经网络在物联网应用中面临的挑战和未来的研究方向。
关键词：物联网；深度学习；时空图神经网络；图结构数据
文献标志码：A中图分类号：TP391doi：10.3778/j.issn.1002-8331.2404-0043
ReviewofApplicationofSpatiotemporalGraphNeuralNetworksinInternetofThings
11+213
ZHANGJianwei,CHENXu,WANGShuyang,JINGYongjun,SONGJifei
1.SchoolofComputerScienceandEngineering,NorthMinzuUniversity,Yinchuan750030,China
2.SchoolofElectricalandInformationEngineering,NorthMinzuUniversity,Yinchuan750030,China
3.NationalNewInternetExchangeCenter,Zhongwei,Ningxia755001,China
Abstract:WiththedevelopmentofphysicaldevicesinvariousfieldsoftheInternetofthings(IoT),thelargeamountof
datageneratedhasbroughtchallengestocurrentdataprocessingmethods.Deeplearningmodelshavetheabilitytoprocess
large-scaleandhigh-dimensionaldata,andhavegraduallybeenappliedtodifferentfieldsoftheInternetofthings.Asa
deeplearningmodelforprocessinggraphstructureddata,spatiotemporalgraphneuralnetworkcanmodelthetopological
structureandtemporalinformationintheInternetofthingsandshowexcellentperformanceinthepredictiontasksofthe
Internetofthings.Firstly,thetemporalcorrelationandspatialcorrelationintheInternetofthings,aswellastheconstruc-
tionme
文档评论（0）