本研究提出了一种结合图注意网络（GAT）和图卷积网络（GCN）的混合模型，以提高叶片病害分类的准确性。该模型在苹果、土豆和甘蔗叶病分类中达到了0.9822的准确率，显示了其在可持续农业中的应用潜力。

本研究提出了一种新型图注意网络TempoKGAT，用于处理动态图数据。该网络结合了时间衰减权重和选择性邻居聚合机制，能够揭示图数据中的潜在模式。研究结果表明，TempoKGAT在多个数据集上具有优越的预测准确性，并为时间背景下的模型解释提供了新的视角。