Jun, 2024

TopoBenchmarkX：拓扑深度学习基准测试框架

PDF
TL;DRTopoBenchmarkX 是一个模块化的开源库，旨在标准化基于拓扑的深度学习的基准测试，并加速研究。它将拓扑深度学习的流程映射为一系列独立和模块化的组件，包括数据加载和处理、模型训练、优化和评估。TopoBenchmarkX 的关键特点是它允许在拓扑领域之间进行转换和提升，以获得更丰富的数据表达和更精细的分析。通过对多个任务和数据集的拓扑深度学习架构进行基准测试，展示了 TopoBenchmarkX 的适用范围。
topobenchmarkxtopological deep learningmodularbenchmarkingtopological domains
发现论文，激发创造
  • TopoX：用于拓扑域上的机器学习的 Python 包套件

    topox 是一个 Python 软件套件，为计算和机器学习提供了可靠且用户友好的构建模块，可以在扩展图形的拓扑域（包括超图、单纯、细胞、路径和组合复合体）上进行计算和机器学习。

    Feb, 2024

  • 深度神经网络训练的基准测试和分析

    通过提出一个新的 deep neural networks 训练基准 (TBD)，并在三个主要的深度学习框架 (TensorFlow、MXNet、CNTK) 上进行广泛的性能分析，本文为 DNN 训练提供了一套新的分析工具集以及对未来研究和优化的建议。

    Mar, 2018

  • 拓扑深度学习架构：拓扑神经网络综述

    Topological Deep Learning 解决复杂系统数据处理与知识提取的框架，但目前 Topological Neural Network 研究缺乏统一的符号和语言。本文提供对 TDL 可访问的介绍，并使用统一数学和图形符号比较最近发表的 TNN。通过对 TDL 领域的直观和批判性评估，提取有价值的见解，为未来发展提供激动人心的机遇。

    Apr, 2023

  • 一个用于分布式拓扑分析流程的通用软件框架

    这篇论文介绍了一个软件框架，用于在分布式内存模型中支持拓扑分析管道。作者描述了一个通用的、泛化的用于拓扑分析管道的框架，详细介绍了面临的算法和软件工程挑战，并展示了该框架的分布式内存能力以及性能分析结果。

    Oct, 2023

  • 一个针对高性能和可重复深度学习的模块化基准测试基础设施

    Deep500 是第一个可定制的基准测试基础架构，能够公平比较深度学习框架、算法、库和技术。它具有可定制性，公平性，速度快，可验证性，可重复性，并提供使用最强大的超级计算机进行极大规模工作负载的软件基础设施。

    Jan, 2019

  • ICML 2023 拓扑深度学习挑战：设计与结果

    这篇论文概述了在 ICML 2023《拓扑与几何在机器学习中的应用》研讨会中举办的拓扑深度学习的计算挑战，并描述了挑战的设计和主要发现。

    Sep, 2023

  • 用于时态图机器学习的时态图基准测试

    Temporal Graph Benchmark 是一个收集了各种涉及社交、贸易、交通等网络领域的大规模数据集，用于实现机器学习模型在时间图上的现实、可重复和强大的评估。此外，该研究表明对于动态节点属性预测任务，简单的方法往往比现有的时间图模型表现更好，并提供了一个自动化的机器学习流程用于可重复和可访问的时间图研究。

    Jul, 2023

  • 描述拓扑对图学习任务的影响

    该研究提出了一种度量指标 TopoInf，用于衡量图的拓扑结构对下游任务的影响，并通过上下文随机块模型的解耦 GNN 进行分析，证明了该度量指标的有效性。通过大量实验证明 TopoInf 是衡量拓扑影响的有效度量，并可进一步用于增强图学习。

    Apr, 2024

  • 拓扑深度学习的挑战与机遇

    拓扑深度学习是一个快速发展的领域，它使用拓扑特征来理解和设计深度学习模型。本文认为，通过整合拓扑概念，拓扑深度学习可以作为补充图表示学习和几何深度学习的自然选择，并且可以在各种机器学习场景中提供实用的益处和理论基础，并讨论了拓扑深度学习中的一些开放问题，包括潜在解决方案和未来的研究机会。同时，本文也邀请科学界积极参与拓扑深度学习研究，以发掘这个新兴领域的潜力。

    Feb, 2024

  • TopoMLP: 一个简单而强大的用于驱动拓扑推理的流程

    我们提出了 TopoMLP，这是一个简单但高性能的驾驶拓扑推理管道，基于令人印象深刻的检测性能，我们为拓扑生成开发了两个基于 MLP 的简单头部。

    Oct, 2023