关键词dynamic graph neural network
搜索结果 - 6
- 利用动态图神经网络实现异构纳米卫星星座的自主协作
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 - DGC: 使用图分块训练具有时空非均匀性的动态图
提出了 DGC，一个分布式的 DGNN 训练系统，通过新的图分区方法将动态图分解成具有适度训练工作量和少量互连的子图，实现了比我们实验室中最先进技术快 1.25 倍至 7.52 倍的加速。该算法基于图粗化，能够在大型图上快速运行，并通过提出 - 神经网络下的动态图表征学习：综述
本文回顾了动态图学习的问题和模型，分析和讨论了各种动态图的监督学习设置，并确定了现有模型的相似之处和不同之处，最后为 DGNN 设计者在面对动态图学习问题时提供了一般指导原则。
- 自适应边属性的动态图神经网络在空气质量预测中的应用
本研究提出了一种用于空气质量预测的动态图神经网络，使用自适应边属性进行边信息传递，并通过端到端训练获取自适应边信息，从而提高模型表现。
- 动态图神经网络用于序列推荐
提出了一种名为 DGSR 的新方法，它通过连接不同的用户序列来探索用户和项之间的交互行为，从而将顺序推荐中的下一个项目预测任务转化为动态图中用户节点和项目节点之间的链接预测，实验证明该方法优于几种最先进的方法。
- 具有安全聚合的联邦动态 GNN
本文提出了一种分布式和安全的 Feddy 框架，用于从多用户图形序列中学习对象表示，并使用安全聚合机制来保护联邦学习中的安全性和隐私性，实验证明 Feddy 在四个视频摄像头数据集上达到了很高的效果和安全性。