×
模态框(Modal)标题
在这里添加一些文本
关闭
关闭
提交更改
取消
确定并提交
×
模态框(Modal)标题
×
Toggle navigation
首页
学报介绍
下载中心
过刊浏览
联系我们
图/表 详细信息
基于动态增强图注意力网络的突发事件预测
仲兆满, 崔心如, 张渝, 吕慧慧, 樊继冬
南京大学学报(自然科学版), 2025, 61(
1
): 94-104. DOI:
10.13232/j.cnki.jnju.2025.01.009
图2
DEGAT模型的结构
本文的其它图/表
图1
时间点的影响举例
图3
通过多头注意力机制提取历史时间序列中重要的时间特征的过程
图4
使用LSTM对输入的时间序列进行处理的过程
表1
实验使用的数据集的信息
表2
实验配置
表3
模型性能对比
图5
训练过程中的损失变化
图6
训练过程中
AUC
的变化
表4
EGAT和对比算法在四个数据集上获得的预测结果的准确率比较
表5
LSTM和对比算法在四个数据集上获得的预测结果的准确率比较
图7
k
不同时EGAT的准确率的变化曲线
表6
消融实验