gcn | BriefGPT - AI 论文速递

关键词gcn

搜索结果 - 26

图神经网络作为冰盖和海平面系统模型的计算高效仿真器 (ISSM)
利用图形处理单元设计了一个图卷积网络 (GCN) 作为 ISSM 的快速仿真器，它在模拟冰川动力学时具有比传统卷积神经网络 (CNN) 更高的重复冰厚度和速度的相关性系数，同时计算速度比基于 CPU 的 ISSM 模型快约 34 倍，该基于
PDF10 days ago
图卷积神经网络中的转移熵
基于 Transfer Entropy 的策略可解决 Graph Convolutional Networks 中的过度平滑和节点关系属性的利用两个重要挑战，并通过使用异质性和度信息作为节点选择机制以及基于特征的 Transfer Entr
PDFa month ago
在基于社交推荐项目中利用 Transformer 层改进图卷积网络
该研究通过引入多层 transformer 架构对 GCN 进行改进，重点集中于节点嵌入的编码器架构，利用注意力机制重新排列特征空间以获得更高效的下游任务嵌入，实验证明所提出的架构在传统链接预测任务上表现更好。
PDF6 months ago
GNNS 中的全局最小值、可恢复阈值和高阶结构
图神经网络性能分析基于随机图理论，GCN 和 GAT 是关键研究领域，性能受到数据特征的影响，实验结果显示特定高阶结构对性能有负面影响。
PDF9 months ago
用于方面情感三元组提取的语义增强双编码器
本文提出了一个框架，该框架利用了基本的编码器（主要基于 BERT）和一个特殊的编码器，该编码器由 Bi-LSTM 网络和图卷积网络 (GCN) 组成，以捕获不同层次的语义信息并建模评论的依赖关系，通过融合两种编码器的语义，实现了多角度的交互
PDFa year ago
IJCAIGCN 的 $p$ 范正则化随机学习的稳定性和泛化性
本文探讨了图卷积网络在平滑性和稀疏性之间的权衡，并提出了一种新的随机梯度下降模型来解决这个问题。通过该模型，本文对单层 GCN 在稀疏性学习中的理论性质进行了分析，并验证了理论结论。
PDFa year ago
AGFormer: 锚点图变换器实现高效图表示
本研究提出了一种新的图形 Transformer 架构，称为 Anchor Graph Transformer（AGFormer），通过利用锚图模型将节点到节点的消息传递转换为锚到锚和锚到节点的消息传递过程，从而比常规节点到节点的 Tran
PDFa year ago
面向多标签文本分类的标签依赖感知集预测网络
通过构建邻接矩阵及应用 GCN 模型对标签进行建模，从而解决多标签文本分类中标签的序列乱序问题，并利用集合预测网络同时使用句子信息和标签信息进行分类。此外，使用巴氏距离对输出概率分布进行约束，提高了召回能力。实验证明，该方法在多个数据集上表
PDFa year ago
ICLR基于图像对比学习的基于骨架的动作识别
本文提出了一个骨架动作识别的图形对比学习框架（SkeletonGCL）来探究跨所有序列的全局上下文，在多个上下文尺度上进行图对比学习，从而建立了一个新的训练范式，并可以无缝地融合到当前 GCNs 中，在 NTU60，NTU120 和 NW-
PDFa year ago
ICLR可学习的图卷积注意力网络
该研究介绍了图卷积注意力层（CAT）和 GNN 架构（L-CAT），旨在充分利用两种方法的优势并自动插值 GCN，GAT 和 CAT。研究结果表明，在一系列数据集中，L-CAT 能够有效地组合不同的 GNN 层，优于竞争方法，从而减少了交叉
PDF2 years ago
KDD可靠的表征使得防御更强：用于鲁棒性图神经网络的无监督结构细化
本文提出了一种名为 STABLE 的无监督流水线来优化图形结构，以增强图神经网络算法的鲁棒性，该方法采用边度量学习来抵御对抗攻击，并设计了一个高级 GCN 来进一步加强其鲁棒性，证明其在四种实际图形基准测试中具有优越的性能表现。
PDF2 years ago
基于双重相关性减少的深度图聚类
提出了一种名为 Dual Correlation Reduction Network（DCRN）的方法，该方法采用双重相关性降低的策略来减少节点编码过程中的表征崩溃现象，同时通过 GCN 中引入传播正则化项来缓解过度平滑造成的表征崩溃现象，
PDF3 years ago
同赋关系对于图神经网络的必要性？
本研究发现传统的 GCN 比使用新架构的 GNN 在特定条件下在某些常用异质图上表现更好，证实了同质性不是良好 GNN 性能的必要条件。
PDF3 years ago
ACL带实体类型限制的关系分类
本文中，我们提出了一个新的模型架构，称为 RECENT，它利用实体类型限制候选关系，并形式化介绍了关系和实体类型之间的相互约束关系。在 GCN 和 SpanBERT 这两个表现较好的模型上进行实验，实验结果表明，RECENT 可以分别提升它
PDF3 years ago
CVPR多目标域自适应的课程图协作教学
本研究提出了一种通过特征聚合和课程学习相结合的双分类器模型 (Curriculum Graph Co-Teaching) 来实现多目标域自适应 (MTDA)，该模型使用图卷积网络 (GCN) 来聚合来自不同领域的样本特征，同时采用辅助的课程
PDF3 years ago
Rubik: 一种高效图学习的分层架构
该论文提出使用分层图级与节点级计算范式，结合轻量级图重排序方法以及自定义缓存设计与任务级并行映射方法，能够更有效地处理各种图输入数据并提高学习效率。实验中 Rubik 加速器设计能够比 GPU 平台提高 26.3 倍至 1375.2 倍的能
PDF4 years ago
针对通用图卷积网络的光滑问题解决
本研究分析了 GCN、GCN with bias、ResGCN 和 APPNP 模型的节点特征收敛过程，并提出了 DropEdge 来缓解过平滑问题，其在模拟数据和多个真实基准测试上均表现出显著性能提升。
PDF4 years ago
G-CREWE: 利用嵌入进行图压缩，实现网络对齐
本文提出了一种名为 G-CREWE（Graph CompREssion With Embedding）的框架，可以通过节点嵌入来解决网络对齐问题，并且采用 MERGE 压缩机制以提高效率和精度。实验表明，该方法比现有竞争方法快两倍以上，同时
PDF4 years ago
基于 GCN 的用户表示学习，用于统一鲁棒推荐和欺诈检测
本文提出了一种基于 GraphRfi 的 GCN 用户表示学习框架，以实现强健的建议和舞弊者检测，此框架在强健的评级预测和舞弊者检测这两个任务中表现更为优越，并且证实其比现有的推荐系统更具鲁棒性。
PDF4 years ago
CVPRL$^2$-GCN: 图卷积网络的层次和学习有效训练
本研究提出了一种高效的图形卷积网络（GCN）训练框架 L-GCN，该框架通过在训练期间解耦功能聚合和功能转换，大大降低了时间和内存复杂度，并提出了 L²-GCN，用于每个层学习控制器，可以自动调整每个层的训练时期。实验表明，在不依赖于数据集
PDF4 years ago