使用脉冲神经网络的多变量点过程学习中的动态图结构估计
本研究针对现有方法依赖静态图结构的问题，提出了一种名为脉冲动态图网络（SDGN）的新框架，该框架通过脉冲神经网络动态地学习时间序列事件数据中的空间时间依赖关系。实验结果表明，SDGN在合成和真实数据集上都能显著提高预测准确性，且在计算效率上表现优越，但在处理密集图形和某些非高斯依赖关系上仍有改进空间。
本研究提出脉冲动态图网络（SDGN），旨在解决现有方法对静态图结构的依赖。SDGN通过脉冲神经网络动态学习时间序列事件数据中的时空依赖关系，实验结果显示其在预测准确性和计算效率上优于现有方法，但在处理密集图和某些非高斯依赖关系方面仍需改进。
