连续时间动态图的多角度反馈 - 注意力耦合模型

Dec, 2023

连续时间动态图的多角度反馈 - 注意力耦合模型

Multi-perspective Feedback-attention Coupling Model for Continuous-time Dynamic Graphs

Xiaobo Zhu, Yan Wu, Zhipeng Li, Hailong Su, Jin Che...

TL;DR这篇论文介绍了多视角反馈 - 注意力耦合（MPFA）模型，它能有效地学习观察到的过程的交织动态，通过结合演化视角和原始视角的信息，以及利用时间自注意机制和反馈注意力模块来捕捉流动图上的长期依赖关系。实验证明了我们提出的模型的有效性和竞争力。

Abstract

Recently, representation learning over graph networks has gained popularity, with various models showing promising results. Despite this, several challenges persist: 1) most methods are designed for static or dis

representation learning graph networks continuous-time dynamic graph multi-perspective feedback-attention coupling long-term dependencies

发现论文，激发创造

动态图消息传递网络用于视觉识别

本论文提出了一种动态图消息传递网络，用于进行长程依赖性建模，以用于图像识别。该网络采用自适应抽样节点的方法，在传递信息时动态地预测节点相关过滤器权重和关联矩阵，以实现对自我注意机制的设计。研究结果表明，基于该模型的 Transformer 骨干网络在图像分类和物体检测等四种不同任务上，相对于现有的最先进技术，能够显著提升性能，同时性能优于完全连接的图并使用更少的浮点运算和参数。

Sep, 2022

基于消息传递的对比学习动态学习视角

本论文介绍了反差学习的学习动态的一种可解释的形式，使用信息传递方案于相应的增强图上的特定消息传递方案对比度梯度下降，建立了反差学习和消息传递图神经网络之间的关系。

Mar, 2023

动态图中的双线性交互学习时间注意力

该论文通过使用时态点过程和变分自编码器提出了一种无需人工边缘指定的模型，学习推断节点间的时间关注力，从而具有更大的灵活性和更好的性能，用于动态链接预测任务。

Sep, 2019

基于注意力机制的多视角网络表示学习协作框架

本文研究多视角学习节点表示，提出了一种多视图表示学习方法，促进了不同视图之间的协作，并让它们为健壮表示投票，投票过程中引入了注意机制，实验结果表明该方法优于现有的单视图和竞争的多视图网络表示学习方法。

Sep, 2017

动态图消息传递网络

为了更好地理解计算机视觉中的场景，我们提出了使用动态图消息传递网络来建模长程依赖关系，以超越本领域现有作品的效果。