gnn models | BriefGPT - AI 论文速递

关键词gnn models

搜索结果 - 16

高阶图神经网络揭秘
高阶图神经网络（HOGNNs）是一类重要的 GNN 模型，能够利用顶点之间的多系关系来解决过度平滑或过度压缩等问题，显著提高 GNN 预测准确性，改进 GNN 架构，并能帮助选择最适合特定场景的 GNN 模型，提出了具有挑战与机遇的 HOG
PDF16 days ago
经典 GNN 是强基线：重新评估 GNN 用于节点分类
在本研究中，我们对三种经典的图神经网络模型（GCN、GAT 和 GraphSAGE）与图转换器（GTs）进行了全面的实证分析，发现之前对 GTs 的声称过于夸大，而稍作超参数调整后，这些经典 GNN 模型在 17 个多样化数据集中达到了最新
PDF21 days ago
引入微小的因果结构进入图表示学习
在图神经网络的端到端图表示学习中，由于图数据中复杂的因果关系和规则使得模型准确捕捉真实数据关系变得困难。本文提出一种缓解策略，即将与图数据对应的规则或关系直接整合到模型中。然而，在图表示学习领域中，图数据的固有复杂性阻碍了建立一个包含整个数
PDF21 days ago
图神经网络的条件局部特征编码
图神经网络通过条件局部特征编码 (CLFE) 来解决节点特征被局部邻域信息主导的问题，并在四个图领域任务中通过实验证明了其提高模型性能的可行性。
PDF2 months ago
动态图神经网络调查
图神经网络已成为从图结构数据中有效挖掘和学习的强大工具，但大多数研究侧重于静态图，忽视了真实世界网络的动态特性，该论文提供了对基本概念、关键技术和最新动态图神经网络模型的全面综述。
PDF2 months ago
基于同态性的图神经网络泛化
通过分析图同态性的熵，我们提出了一种新的视角来研究图神经网络的泛化能力，并通过将图同态性与信息论度量联系起来，得出了适用于图和节点分类的泛化界限。通过我们提出的界限，能够捕捉到各种图结构的细微差别，包括但不限于路径、环和完全子图。通过图同态
PDF4 months ago
使用双向图注意力网络学习拓扑表示以解决作业车间调度问题
本文提出了一种基于注意机制的拓扑感知双向图注意网络（TBGAT），用于解决作业车间调度问题，通过嵌入要解决的不相交图（DG），并利用消息传递机制计算 DG 的正向和反向拓扑排序，从而实现并行计算且取得了新的研究前沿结果。
PDF4 months ago
基于图神经网络的链路预测任务的后门攻击
本文介绍了一种基于图神经网络的链接预测任务中的后门攻击方法，并揭示了 GNN 模型中存在的安全漏洞，当触发器出现时，后门将被嵌入 GNN 模型中，导致模型错误地预测未连接的两个节点之间存在链接关系。
PDF6 months ago
通过架构、编译器、分区方法共同设计加速通用图神经网络
本文介绍了一种名为 SwitchBlade 的框架，通过新型分区级操作融合、分区级多线程和细粒度图分区等方法，实现了对图神经网络的高性能和高效能加速，相较于 NVIDIA V100 GPU，SwitchBlade 平均速度提升 1.85 倍
PDFa year ago
KDD图学习模型中度分布和同质性效应的研究
通过整合多个综合性生成器，我们扩展了 GraphWorld 框架的图空间覆盖范围，并保留了真实网络中观察到的关键图属性，同时基于性质对模型进行分类，为 GNN 性能评估提供了更多图数据。
PDFa year ago
KDD相似性保持的对抗图对比学习
本文提出了一种相似性保持的对抗性图对比学习框架 (SP-AGCL)，以对抗攻击进行鲁棒性研究，对比干净的图与两个性质不同的辅助视图 (即节点相似性保持视图和对抗视图)，并通过实验证实了 SP-AGCL 在多个下游任务中的竞争性能和在多种场景
PDFa year ago
ICML参数化分解与过滤技术在图表示学习中的应用
本文提出了一种有效而灵活的矩阵来表示图形，通过参数化分解和过滤的方法，将许多现有的 GNN 模型统一起来，在增强 GNN 的灵活性的同时，也减轻了现有模型的平滑和放大问题。基于这个通用框架，我们开发的模型在实现上很简单，但在各种图形学习任务
PDFa year ago
GNNs 究竟学习了什么？探究其表征
本文研究了四种流行的图神经网络模型，探究了在没有节点属性可用的情况下这些模型所学习的节点表示中纯粹编码的图的哪些属性，并表明其中两个将所有节点嵌入同一特征向量中，而另外两个生成与输入图上的行走数量有关的表示。值得注意的是，在图的某一层 $k
PDFa year ago
借助 BREC 数据集更好地评估 GNN 表达能力
研究了图神经网络的理论表达能力，提出了一种新的表达能力数据集 BREC，并通过对 16 种高于 1-WL 表达能力模型在 BREC 数据集上的测试对其进行了比较。
PDFa year ago
ICLRBoost then Convolve: 梯度提升相遇图神经网络
该论文提出了一种新的网络结构，将 GNN 和 GBDT 训练在一起，以达到异质图表节点特征下最优化的效果，该模型经过广泛实验，证明在各种具有表格特征的图上性能显著提高。
PDF3 years ago
图神经网络作为图信号去噪的统一视角
本篇论文针对图结构数据的表征学习中的聚合操作进行研究，探究 GCN、GAT、PPNP、APPNP 等 GNN 模型的聚合过程与图像去噪问题之间的通用性，进而提出统一图神经网络框架 UGNN，并基于此开发了 ADA-UGNN 模型，通过实验验
PDF4 years ago