卷积神经网络（CNN）在成矿预测中表现优异，但无法处理非欧几里得数据。图卷积神经网络（GCN）通过图结构捕捉复杂空间关系，克服了CNN的局限性，使地质学家能够利用先验知识构建地质知识图谱，从而提高3D成矿预测的准确性。
本研究提出了MHGNet模型，克服了传统交通流预测方法在处理非欧几里得低维数据时的局限性。通过解耦单模态数据并结合聚类与卷积，MHGNet在基准测试中显著提高了交通预测的准确性。
完成下面两步后，将自动完成登录并继续当前操作。
