该文综述图迁移学习进展，提出负迁移定义及对抗过滤方法，设计GRADE图自适应网络，引入知识迁移图与门控机制，构建时空图网络缓解交通数据稀缺，采用自监督对比学习提升异构图分析，探索稀疏链路预测与彩票票假设，并系统梳理负迁移影响因素及缓解策略。

该文综述多项时间序列与脉冲神经网络研究，涵盖时间注意力SNN处理事件流、多阈值方法提升SNN精度、时间-通道联合注意架构提高数据效率、时间交互模块增强时序建模、对比学习用于多模态生物医学数据、全连接时空图网络建模多元依赖，以及可解释性方法探索。

该文综述基于骨架的动作识别进展，涵盖无监督、自监督及一次性学习方法，利用编码器-解码器、多任务学习、对比学习和时空图网络等技术，提升跨视图与异常识别性能，在NTU等数据集上达到先进水平。