本文旨在将分布式计算文献中的各种概念、形式主义和结果整合到一个统一框架中，我们将其称为时间变化图表（TVG），并概括性地介绍它们的分类和应用。

Nov, 2010

本文提出了基于超几何几何的 HGWaveNet 神经网络，该网络有效利用了超几何空间与数据分布的契合性进行时序边预测，通过设计 2 个关键模块，分别学习空间和时间信息，应用于保留了整个数据流中的分层结构信息，实现了对 6 个实际数据集的超几何拟合，将时序预测的 AUC 相对提高了高达 6.67%。

Apr, 2023

本文提出了一种空 - 空 - 地 - 海一体化网络，通过深度学习算法帮助多目标路由，利用商用客机来增强以卫星为基础的海上通信，以降低端到端延迟，提高通信吞吐量并改善路径寿命，达到近似 Pareto 最优的性能

Oct, 2021

通过建模卫星星座和卫星接触计划为动态网络并采用基于图论的技术，提出了一种新方法来解决卫星网络通信调度的复杂性问题，通过仿真退火的启发式算法更新，推测网络延迟误差平均为 3.6 分钟，在提高 29.1% 延迟的同时，实现 20 倍的目标评估速度。

Mar, 2024

设计现代通信系统需要模拟电磁信号传播，为了解决相反问题和自动化设计，文章提出使用基于几何代数的可微分神经替代模型进行模拟。通过引入无线几何代数变换器（Wi-GATr）作为骨干架构，在三维环境中模拟无线传播。同时研究了基于可微分预测建模和扩散模型的信号预测和反问题的两种算法方法，并在实验中验证了该方法相较于基线方法在使用更少数据的情况下能达到更高的精度。

Jun, 2024

本论文使用几何代数和张量分解提出了一种新的知识图谱表示学习方法 GeomE 和 TGeomE，用于解决深度学习中的时序数据问题。结果表明，该方法在四个常用的静态 KG 数据集和四个知名的时间 KG 数据集上实现了最先进的性能。

Feb, 2022

通过引入连续时间图反对称网络（CTAN），本文展示了 CTAN 方法在模拟长程依赖任务以及在合成长程基准和实际基准上的优越性能，从而证明了其长程建模能力并将长程任务作为时间图模型评价的一部分。

Jun, 2024

本文介绍了一种基于时间可变图拉索（TVGL）的方法，利用交替方向乘子方法（ADMM）以一种高效的方式推断时间可变网络，评估了该算法的性能，并通过实验结果显示该算法优于最先进的基线算法。

Mar, 2017

本文综述了当前关于空间约束如何影响网络结构和属性的认识，包括空间网络的拓扑结构、空间网络模型，以及在该类网络上发生的各种过程，如相变、随机漫步、同步、导航、弹性和疾病传播等。

Oct, 2010

该文章探讨了时间网络的新兴领域，讨论了分析拓扑结构和时间结构的方法以及阐述它们与动态系统行为的关系，并指出与静态网络不同，由于在时间网络中有些基本属性不一定成立，因此需要创新性的方法来研究分析。

Aug, 2011