deep graph networks | BriefGPT

关键词deep graph networks

搜索结果 - 8

图卷积学习：用于节点分类任务的学习欺骗
这篇论文介绍了一种新的基于观点动力学的深度图网络 Lying-GCN，在异质和同质环境中能够自适应地工作，并通过研究系统的系数矩阵的频谱特性对我们的提议进行了表征，通过对合成和真实数据集的实证证明，表明这种谎言机制可在异质设置中提高性能而不
PDF2 months ago
自适应信息传递：缓解过度平滑、过度压缩和未能到达的通用框架
通过在变分推断框架中赋予消息传递架构自由适应其深度和筛选消息的能力，本研究提出了一种能够更好捕捉长程相互作用的简单策略，并在与该问题相关的五个节点和图预测数据集上超越了现有技术水平，稳定提高了基线方法在这些任务上的性能。
PDF6 months ago
图学习中特征与结构相互作用的研究
在本研究中，我们以往对同质性和异质性之间的二分法的认识启发了我们对深度图网络的归纳偏差的研究。然而，最近的研究指出，这种二分法过于简单，因为我们可以构建节点分类任务，其中图形完全异质，但性能仍然很高。我们的工作通过形式化两个生成过程来研究当
PDFa year ago
动态图的深度学习：模型与基准
本文通过对时空信息学习的先进优势进行调查和性能比较，为动态图形表示学习领域建立坚实的基础，以促进该领域的研究
PDFa year ago
ICLR反对称 DGN：用于深度图网络的稳定架构
本文介绍了一种通过分析常微分方程而提出的抗对称深度图网络（A-DGNs）框架，该框架设计稳定而不耗散，能够有效地保存节点之间的长距离信息，并且不会发生梯度消失或爆炸的现象。该方法在多个图像基准测试中均获得了改进的性能，即使使用大量的层数也能
PDF2 years ago
GLAN: 基于图的线性分配网络
本文提出了一种可学习的线性分配求解器，基于深度图网络实现，将费用矩阵转换为二分图，并通过节点和边的特征聚合和更新来选择可靠边，实验结果表明，与现有算法相比，该方法在保证准确性的前提下，能有效提高处理规模。此外，该分配求解器在多目标跟踪领域有
PDF3 years ago
使用分子反事实证明解释深度图网络
本论文提出了一种新的方法来处理深度图网络在分子属性预测任务中的可解释性，称为 MEG（分子解释生成器），我们生成了高结构相似且具有不同预测属性的（有效）化合物的信息性对照解释，初步结果显示该模型可以向非机器学习专家传达关于分子邻域中学习模型
PDF4 years ago
CVPR具有类型部件关系推理的层次式人体解析
该研究利用深度图网络和分层人体结构实现人体分割和结构模型，通过三种不同的关系网络描述人体关系模型，并采用消息传递网络的迭代推理方法。
PDF4 years ago