arXiv · AI· Eloi Campagne (CB), Yvenn Amara-Ouali (LMO), Yannig Goude (LMO), Itai Zehavi (CB), Argyris Kalogeratos (CB)·· 1 天前AI 评分27
电力负荷预测中GNN的诊断协议：区分参数共享与邻域访问
A Diagnostic Protocol for GNNs in Electricity Load Forecasting: Separating Parameter Sharing from Neighborhood Access
AI 导读
研究提出诊断协议，通过对比逐节点网络等参照模型，揭示GNN优势主要源于参数共享而非图结构。在英国低压馈线数据中，参数共享恢复了约三分之二误差差距；图结构增益在重连测试中消失过半。 在客户序列短窗口数据中，邻域均值反而降低逐节点模型性能。作者建议仅在对比参照模型后，才将预测增益归功于图结构。
来源：arXiv · AI · arxiv.org