题目：数据中相关性模式的探讨——传统卷积和图卷积的实验报告

主讲人：余卓航

地点：腾讯会议

时间：2023-01-04

简介：

1）背景介绍：实验证明，由于原始数据中冗余信息太多，因此对原始数据进行特征提取能够有效提升建模的效果和效率。因此特征提取模块是建模的重要环节。

               然而，特征提取模块的构建需要一个重要的先验信息——数据的相关模式是怎么样的。例如，在我们前期工作的基础上[1]发现，cnn，lstm等传统特征提取模块都是只能提取局部的数据相关模式特征，而很多真实情况下，数据相关模式会发生变化，因此传统的特征提取模块就会失效。

               受到了传统卷积和图卷积的启发，图卷积就是一种针对‘以关联矩阵蕴含数据相关模式’数据的特征提取建模。

2）结果展示：我们将展示cnn在不同数据类型上的表现。

                    我们将展示图卷积gcn在不同数据类型上的表现。

                    我们将展示如果数据输入时没有显含数据关联模式，该如何建模。

非常有意义的参考，建议阅读[2]

参考文献

[1]Zhang, P., Yang, J. Y., Zhu, H., Hou, Y. J., Liu, Y., & Zhou, C. C*. (2021). Failure in Stock Price Prediction: A Comparison between the Curve-Shape-Feature and Non-Curve-Shape-Feature Modes of Existing Machine Learning Algorithms. International Journal of Computers, Communications & Control, 16(6).

[2] https://distill.pub/2021/gnn-intro/