本研究提出了一种时空图卷积网络模型，用于预测婴儿语言习得，克服了现有神经网络的不足。研究表明，利用感知运动关系和语义关系进行预测的准确率显著高于传统方法，强调了这些关系在新词学习中的重要性。

本研究提出了一种多样化转换的时空图卷积网络（STGCNDT），旨在解决动态图中的复杂时空模式问题。实证结果表明，STGCNDT在链接权重估计任务中优于现有模型。此外，研究还介绍了其他动态图卷积模型，这些模型在交通预测等领域表现出显著的性能提升。