1、Integrating LSTMs and GNNs for COVID-19 Forecasting
Nathan Sesti, Juan Jose Garau-Luis, Edward Crawley, Bruce Cameron
将COVID-19的传播与图神经网络（GNN）的结合，使得最近几项研究发现了可以更好地预测大流行的方式。许多这样的模型还包括长短期记忆（LSTM），这是时间序列预测的常见工具。通过在LSTM的门内实施GNN并利用空间信息来进一步研究这两种方法的集成。并且引入了跳过连接，该连接对于共同捕获数据中的空间和时间模式也被证明了非常的重要。论文验证了过去472天的37个欧洲国家数据的每日COVID-19新案例预测模型，并且与基于平均绝对缩放误差（MASE）的最先进的图时间序列模型相比，表现出卓越的性能。
完整文章：
https://www.overfit.cn/post/9c2e2c985284443c9f7f070ae5af0a9c