Räumlich-zeitliche Gedächtnisnetzwerke zur Verbesserung von Graph-Autoencodern für die Anomalieerkennung in dynamischen Graphen
Ein neuartiges räumlich-zeitliches Gedächtnisnetzwerk-basiertes Graph-Autoencoder-Modell (STRIPE) zur effektiven Erkennung von Anomalien in dynamischen Graphen durch die separate Erfassung und Integration von räumlichen und zeitlichen Normalitätsmustern.