HDGL：一种用于脑疾病分类的层次动态图表示学习模型

本文提出了一种名为动态超图结构学习的新模型，用于解决交通流预测问题。该模型通过提取超图结构信息来学习非成对关系，并通过聚合来自关联超边的消息来更新每个节点的表示。同时，介绍了互动图卷积块，进一步模拟每个节点的邻域交互。最后，将这两个视角整合到一个综合的多尺度相关性提取模块中，该模块通过不同尺度的时间池化来建模不同的时间模式。实验证明，该模型在四个流行的交通基准数据集上表现优异。