graph convolutional network | BriefGPT

关键词graph convolutional network

搜索结果 - 224

GRACE: 图形正则化注意卷积交捆绑与拉普拉斯平滑用于稳健的深度伪造视频检测
通过引入基于图卷积网络和图拉普拉斯算子的方法，解决了 DeepFake 视频检测中面部图像误检和临时伪影的问题，并在具有噪声面部序列的情况下展现了最先进的性能。
PDF6 days ago
基于图卷积网络的竖直调整
提出一种新颖的方法来进行 360 度图像的纠正调整，该方法包括卷积神经网络（CNN）和图卷积网络（GCN）两个模块，通过 CNN 处理输入的 360 度图像进行视觉特征提取，然后将提取的特征图转换成一个图形，从而找到了输入的球面表示。同时引
PDFa month ago
COLING辅助知识引导的自动多标签医学文档分类学习
本文提出了一种新颖的 ICD 索引方法，采用多级深度扩张残余卷积编码器来聚合临床记录的信息，学习不同长度文本的文档表示；通过辅助医疗记录的医学知识，包括临床文本、临床编码术语和药物处方等，以更好地推断 ICD 代码；引入图卷积网络利用 IC
PDFa month ago
DGCformer：多元时间序列预测的深度图聚类 Transformer
该论文提出了一种深度图聚类变压器（DGCformer），用于多元时间序列预测。它通过图卷积网络和自编码器首先将相关变量进行分组，然后使用通道依赖策略处理每个变量组，而对不同组则使用通道独立策略。八个数据集上的广泛实验结果表明了我们方法相对于
PDF2 months ago
PLA-SGCN: 蛋白质 - 配体结合亲和力预测的相似对和半监督图卷积网络的整合
本文提出了一种利用半监督图卷积网络（GCN）在蛋白质 - 配体亲和性（PLA）预测中整合了相似困难样本的方法，通过同时检索相似困难样本、学习蛋白质 - 配体描述符、学习输入样本的图拓扑结构以及使用半监督 GCN 进行任务预测，显著优于相似方
PDF2 months ago
多通道时空变换器模型的交通流量预测
提出了一个多通道时空变换模型用于交通流量预测，通过融合来自不同通道的交通数据结果，改善了预测准确性。该模型使用图卷积网络从每个通道提取空间特征，并使用基于变换器的体系结构捕捉通道之间的时间依赖性。在六个真实数据集上的实验证明，引入多通道机制
PDF2 months ago
使用自编码图卷积网络预测非均匀非结构化网格中的超音速流场
该研究聚焦于解决非均匀非结构网格在计算流体力学中的挑战，通过利用图卷积网络和自编码图卷积网络结构生成降阶模型，有效提高了预测准确性和网络的能力。验证实验表明该方法在稳态分布量的精确重构方面可靠且具有多样性。
PDF2 months ago
CVPR带遮挡的 3D 人体姿态估计：介绍 BlendMimic3D 数据集和 GCN 优化
在 3D 人体姿势估计领域中，准确估计人体姿势，特别是在存在遮挡的情况下，是一个重要挑战。本研究通过填补当前 3D 人体姿势估计技术的不足之处，即缺乏处理遮挡数据和策略，引入了新颖的 BlendMimic3D 数据集，设计用于模拟真实世界中
PDF2 months ago
利用类别共现概率提升多标签识别
通过整合多标签识别、视觉语言模型、条件概率和图卷积网络，我们提出了一种方法来改进独立分类器的性能，并在多个多标签识别数据集上取得胜于现有方法的结果。
PDF2 months ago
HDBN：用于鲁棒的基于骨架的动作识别的新型混合双分支网络
通过提出一种名为混合双分支网络（HDBN）的模型，利用图卷积网络和 Transformer 分别对二维和三维骨架模态进行建模，该研究在多模态视频推理和分析竞赛中获得了较高准确率，并超过了现有方法，取得了 47.95% 和 75.36% 的准
PDF2 months ago
多标签类别增量学习的置信度自校准
本文提出了一种 Confidence Self-Calibration (CSC) 方法，通过引入类增量图卷积网络进行标签关系校准，并通过最大熵正则化实现每个多标签增量的置信度自校准，从而在 MS-COCO 和 PASCAL VOC 数据集
PDF3 months ago
融合高阶结构信息的图聚类
提出了一种新颖的图聚类网络，能充分利用图结构信息，捕获高阶结构信息，并应用三元自监督模块作为结构约束，在多个数据集上优于多个最先进的方法，显示出其优越性。
PDF4 months ago
三元图神经网络：引入句法和语义信息进行会话级方面四元情感分析
对话式基于方面的情感分析（DiaASQ）旨在从给定的对话中检测目标、方面、意见、情感极性四元组。本文引入了 Triple GNNs 网络来增强 DiaASQ，并通过使用 Graph Convolutional Network（GCN）对话模
PDF4 months ago
AAAI深度对比图学习与聚类导向引导
基于图卷积网络，提出了深度对比图学习模型（DCGL），用于一般数据聚类。该模型通过建立伪孪生网络，将自编码器与图卷积网络相结合，强调图结构和原始特征，并引入特征级对比学习来增强判别能力，利用样本与质心之间的关系作为聚类导向指引。然后，设计了
PDF4 months ago
图神经网络的 PAC-Bayesian 对抗鲁棒泛化界限
在这篇论文中，我们使用 PAC-Bayesian 框架为两种流行的图神经网络，图卷积网络（GCN）和消息传递图神经网络，提供了对抗鲁棒性泛化界限的结果。我们的结果揭示出图上扩散矩阵的谱范数、权重的谱范数以及扰动因子决定了这两个模型的鲁棒性泛
PDF5 months ago
WWW跨空间自适应滤波器：融合图拓扑和节点属性以缓解过度平滑问题
本文提出了一种称为 CSF 的跨空间自适应滤波器，可以从拓扑和属性空间中提取自适应频率信息，解决了过度平滑问题并提升了节点分类任务的有效性。
PDF5 months ago
张量图卷积网络用于动态图表征学习
本文提出了一种基于张量图卷积网络的动态图表示学习模型，通过在张量乘积的基础上设计张量图卷积网络来同时建模时空特征，实验结果表明我们的模型获得了最先进的性能。
PDF6 months ago
图卷积网络的一次性多速率剪枝
我们提出了一种轻量级图卷积网络设计，称为 Multi-Rate Magnitude Pruning (MRMP)，它通过联合训练网络拓扑和权重来对网络进行训练。该方法是变分的，通过将学习网络的权重分布与先验分布对齐，实现了任何固定的剪枝率的
PDF6 months ago
RDGCL：反应扩散图对比学习用于推荐
我们提出了一种新颖的对比学习方法，叫做反应扩散图对比学习模型 (RDGCL)，用于改进推荐系统的准确度和多样性。我们的方法结合了对比学习、图卷积网络和协同过滤技术，通过设计我们自己的图卷积网络以及扩散和反应方程，在推荐系统中实现了反应和扩散
PDF6 months ago
利用图神经网络学习基因组序列表示在 De Bruijn 图上的应用
基于同源图网络编码器和节点相似性构建正样本，我们提出了融合上下文信息和结构信息的 k-mer 嵌入方法，用于鲁棒的序列表示，从而在编辑距离近似和最接近字符串检索任务中，始终优于先前技术。
PDF7 months ago