arXiv · cs.AI· Eloi Campagne·· 21 小时前AI 评分9
电力负荷预测中 GNN 的诊断协议：分离参数共享与邻居访问的贡献
A Diagnostic Protocol for GNNs in Electricity Load Forecasting: Separating Parameter Sharing from Neighborhood Access
来源与原文
arXiv · cs.AI
作者：Eloi Campagne
发布时间：（北京时间）
阅读原始来源 · arxiv.org ↗完整链接与内容说明
https://arxiv.org/abs/2610.35074v1
本站目前仅有 AI 导读与摘要，未展示原文正文；技术细节、代码和完整结论请查看原始来源。
AI 导读
一项研究提出诊断协议，将 GNN 负荷预测的优势拆分为跨序列参数共享与邻居访问两种机制，通过逐节点网络、无邻居共享网络、去边 GNN 三个参照模型和保度数重连实验加以区分。在法国区域负荷、英国低压馈线及客户用电序列三个数据集上，参数共享贡献了主要误差缩小（馈线上约三分之二），而边的增益较小且重连后消失过半，客户序列上甚至与零无异。结论认为预测收益只有在与逐节点和共享参照对比后才应归功于图结构。
来源：arXiv · cs.AI · arxiv.org