Обсуждение:Пространственно-временная графовая нейронная сеть

Материал из MachineLearning.

(Различия между версиями)
Перейти к: навигация, поиск

Arsenii Kolesnikov (Обсуждение | вклад)
(Новая: Промпт: <tex>Ты специалист в области машинного обучения, профессор в ведущем техническом университете...)
К следующему изменению →

Версия 04:33, 3 июля 2026

Промпт:


Ты специалист в области машинного обучения, профессор в ведущем техническом университете и популяризатор науки. Напиши энциклопедическую статью для MachineLearning.ru на тему «Пространственно-временная графовая нейронная сеть». </p><p>Целевая аудитория: мотивированные студенты, преподаватели и специалисты в AI/ML. Статья должна быть полезна новичку: дать понятные определения, объяснить идею пространственных и временных зависимостей. Профессионалу статья должна дать математическую постановку, архитектурные варианты, ограничения метода и ссылки на значимые работы. </p><p>Объясни, как пространственно-временные графовые нейронные сети объединяют графовую структуру и временную динамику. Обязательно включи пример обнаружения аномалий в системе охлаждения центра обработки данных по многосенсорным временным рядам. </p><p>Стиль академичный, ясный, без рекламных фраз и нейросетевых штампов. Используй классическую вики-разметку MachineLearning.ru. Формулы оформляй только через <tex>..., выключные формулы через :: .... Термины оформляй как внутренние ссылки. В начале статьи добавь предупреждение:

Статья написана с использованием LLM GPT-5.5 и проверена участником Arsenii Kolesnikov 08:33, 3 июля 2026 (MSD)


Структура: введение, постановка задачи, интуитивная идея, математическая схема, основные архитектуры, обнаружение аномалий, пример для охлаждения ЦОД, достоинства и ограничения, см. также, литература. Добавь реальные источники и категории. Выдай только сырой вики-код статьи. </tex>

Источник — «http://machinelearning.ru/wiki/index.php?title=%D0%9E%D0%B1%D1%81%D1%83%D0%B6%D0%B4%D0%B5%D0%BD%D0%B8%D0%B5:%D0%9F%D1%80%D0%BE%D1%81%D1%82%D1%80%D0%B0%D0%BD%D1%81%D1%82%D0%B2%D0%B5%D0%BD%D0%BD%D0%BE-%D0%B2%D1%80%D0%B5%D0%BC%D0%B5%D0%BD%D0%BD%D0%B0%D1%8F_%D0%B3%D1%80%D0%B0%D1%84%D0%BE%D0%B2%D0%B0%D1%8F_%D0%BD%D0%B5%D0%B9%D1%80%D0%BE%D0%BD%D0%BD%D0%B0%D1%8F_%D1%81%D0%B5%D1%82%D1%8C»