- CVPR组合对象关系和属性进行图像 - 文本匹配
本研究中，我们通过引入场景图表示图像标题，利用图注意力网络构建了一个双编码器的图像 - 文本匹配模型，能高效地编码物体 - 属性和物体 - 物体的语义关系，通过提供对图神经网络的强关系归纳偏置进行学习。我们的模型在两个重要的图像 - 文本检 - 构建一致可解释的运动预测模型：基于异构图注意力的方法
自动驾驶中，准确解读其他道路用户的移动并利用这一信息预测未来轨迹至关重要。本文提出了一个新的优化模块，将预测的轨迹重新映射到实际地图上，纠正了编码过程中可能丢失的位置信息，从而实现更一致的预测。同时，我们还提出了一种新颖的场景编码器，以单一 - 用神经网络将天气预报分解为平流和对流
使用图注意力网络和多层感知器，我们提出了一个简单而有效的机器学习模型，可以分别学习动力核心中的水平运动和物理参数化中的垂直运动，以提高全球天气预报的准确性和效率。
- 使用图注意力网络的方面和意见词提取
本研究探讨了图注意力网络在提取方面和意见术语方面的能力。我们将方面和意见术语提取看作是一种类似于命名实体识别的标记级分类任务，并使用输入查询的依赖树作为图注意力网络中的附加特征，结合了标记和词性特征。实验证明依赖结构是一个强大的特征，在 C - COLING融合词汇和句法知识的无监督跨语言迁移
本文提出了一种名为 “Lexicon-Syntax 增强多语言 BERT” 的新框架，该框架结合了词汇和句法知识，并通过多种技术增强其学习能力，在零样本跨语言传递的任务中取得了优异的成绩。
- 预训练图神经网络基于自动驾驶的智能交通场景理解模型
基于图注意力网络的通用预训练场景理解模型能够学习交通场景的通用交互和推理，支持各种下游任务，通过在城市和高速公路场景中进行验证实验，证明了该模型具有广泛应用的潜力，并通过消融实验展示了预训练任务设计的有效性。
- 心血管血流动力学评估的可解释多模态学习
利用多模型学习方法，从心脏磁共振成像扫描和电子健康记录中提取特征，设计特征融合策略，预测肺动脉楔压 (Pulmonary Arterial Wedge Pressure) 标记，并通过验证和决策曲线分析证实其优越性。
- HealthGAT: 使用图注意力网络对电子健康记录进行节点分类
利用图注意力网络和医学代码，通过定制电子健康记录（EHR）的预训练任务，HealthGAT 模型对 EHR 进行细化嵌入，实现了对复杂医学关系的全面分析，并在节点分类、再入院和诊断分类等下游任务中显示出优越性能。
- RadioGAT: 基于模型和数据驱动的多频段无线电地图重建框架
为了解决多频段无线射频地图重建在实际部署中所面临的挑战，我们提出了一种基于图注意力网络（GAT）的新框架 RadioGAT，它将基于模型的空间 - 频谱相关性编码与数据驱动的射频地图泛化相结合，从而最大程度地减少对大量数据源的依赖，并且在具 - 异质图中的方向性邻居注意力表示学习
提出了一种名为 Directional Graph Attention Network (DGAT) 的新型图神经网络结构，利用特征注意力和全局方向信息提高图信息的传播能力，并通过拓扑信息引导的节点剪枝和边添加机制以及新的拉普拉斯矩阵来改善 - FaiMA: 面向多领域方面情感分析的特征感知上下文学习
多领域面向方面的情感分析（ABSA）利用大型语言模型（LLMs）和特征感知的上下文学习技术，通过图注意力网络和多领域 ABSA 基准数据集等技术手段，在多个领域中取得了显著的性能提升。
- PipeNet：基于语义修剪的知识图谱问答
通过引入显式的知识图谱可以改善问答系统，本研究提出了一种基于实体节点定位、剪枝和推理的流程以提高图推理的效率，并采用图注意力网络进行子图数据的推理。在 CommonsenseQA 和 OpenBookQA 上的实验结果证明了方法的有效性。
- AAAI内存高效的增量组织病理学分类提示调节
近期的研究在组织病理学分类方面取得了显著进展，提出了一种基于内存高效的提示调优框架，通过使用领域特定和领域不变的提示来提高模型的泛化能力，并且在乳腺癌转移分类和上皮结缔组织分类等任务上表现出卓越的性能和内存效率。
- GRASP：通过图注意力加速最短路径攻击
利用机器学习辅助优化算法，提出了 GRASP 算法，通过图注意力网络等方法实现了快速求解组合优化问题，并且保持了解的质量。
- GAT 是否失衡？
基于图神经网络 (Graph Neural Networks) 的优化和学习动态尚未被广泛探索，本研究通过分析图注意力网络 (Graph Attention Network) 提出的保守定律解释了标准初始化中参数变动困难的现象，并提出了一种 - 从测量中提取物理因果关系以侦测和定位假数据注入攻击
基于因果推断和图注意力网络（GAT）的联合 FDIA 检测和定位框架用于识别受攻击的系统节点，通过提取因果关系模式，该框架在 FDIA 检测和定位任务上表现出高解释性和稳健性。
- 特征屏蔽建模：自下而上视频事件识别的无监督预训练图注意力网络块的特征屏蔽
本文提出了一种新的方法，即遮蔽特征建模（MFM），用于无监督的图注意力网络（GAT）块的预训练。MFM 利用预训练的视觉令牌生成器重构视频中对象的遮蔽特征，利用 MiniKinetics 数据集。然后，将预训练的 GAT 块纳入最先进的自下 - GraPhSyM: 图物理综合模型
GraPhSyM 是基于图注意力网络 (GATv2) 模型的一项工作，可从物理综合前电路网表中快速准确地估计电路延迟和面积指标，为早期电子设计自动化（EDA）阶段（如逻辑综合）提供准确的最终设计指标可见性，同时消除了运行慢的物理综合流程，实 - 利用循环图卷积方法预测年降雪量
使用图形注意力网络模型预测越来越多的年降雪量数据点，使用更少的输入数据点，在较大的数据集上进行实验
- 利用图注意力网络进行故障评估和鲁棒网络设计的 FERN 方法
本研究提出了一个基于神经网络的 FERN 框架，使用图注意力网络提供一个常规核以改善现有解决方案的可操作性和可扩展性，该框架可用于各种网络设计问题，包括网络验证、网络升级优化和容错流量工程。经实验证明，FERN 可以更高效、更准确地识别关键