graph deep learning | BriefGPT

关键词graph deep learning

搜索结果 - 10

MM-GTUNets：面向脑部疾病预测的统一多模态图深度学习
本研究提出了 MM-GTUNets，一种基于图变换器的多模态图深度学习（MMGDL）框架，用于大规模脑疾病预测，并通过验证在 ABIDE 和 ADHD-200 两个公共多模态数据集上证明了其优越性能。
PDF14 days ago
匿名投票网络上的图深度学习用于在多中心治理中识别 Sybil
该研究探讨了去中心化自治组织（DAO）中数字资产的多中心治理，并提供了一个理论框架，通过开发一种识别虚假身份（Sybils）的方法，解决了去中心化治理面临的关键挑战。该方法使用图深度学习技术在一个 DAO 治理数据集（snapshot.or
PDF7 months ago
从耦合振子到图神经网络：通过库拉莫托模型方法减少过度平滑
我们提出了 Kuramoto Graph Neural Network (KuramotoGNN)，一种新颖的连续深度图神经网络 (GNN)，它采用 Kuramoto 模型来减轻过度平滑现象，在 GNN 中，随着层数的增加，节点特征变得无法
PDF8 months ago
基于图注意力的 GNN 模型解释的语义解读和验证
提出了一种通过应用语义关注来增强图神经网络 (GNN) 模型的可解释性的方法，介绍了语义信息的扰动以及预测的特征重要性权重和模型准确性之间的相关性，应用于 Lidar 点云估计模型成功地识别出有助于提高性能的关键语义类别，从而有效生成可靠的
PDFa year ago
SAGC-A68：一份用于公寓建筑中空间和空间元素分类的空间访问图数据集
通过自动生成的访问图，我们介绍了一种称为 SAGC-A68 的数据集，用于开发空间功能和空间元素分类的图深度学习模型。使用这个数据集，我们训练和评估了一个图注意力网络（GAT），用于预测 22 种空间功能和 6 种空间元素类别。
PDFa year ago
WWWCogDL：面向图深度学习的全面库
CogDL 是一个综合性的图深度学习库，提出了一种统一的 GNN 模型训练和评估框架，采用了有效的稀疏操作符和易于使用的特性，用于解决图数据的稀疏性和 GNN 训练复杂性等问题，并在基础图任务上取得了最具竞争力的结果。
PDF3 years ago
可扩展的 Inception 图神经网络 (SIGN)
本文提出了一种新的、高效且可扩展的图深度学习架构，通过使用不同尺寸的图卷积滤波器，绕过了图采样的必要性，从而允许极快速的训练和推理，同时在比对测试中展现了与其他最先进架构相竞争的表现，对于包含超过 1.1 亿个节点和 15 亿条边的公共图数
PDF4 years ago
图卷积网络可微分图模块 (DGM)
本文提出可微分图模块 (DGM) 用于预测边缘概率，与卷积图神经网络层结合，可以在具有噪声和不完整的图形数据中进行端到端的图形学习，并在疾病预测、年龄预测、点云分割、零样本学习等领域获得了先进的结果。
PDF4 years ago
IJCAI图数据上的对抗样本：攻击和防御的深度洞察
本文提出了针对图数据的攻击和防御技术，其中引入了集成梯度来解决离散特征的问题，并且发现对于攻击后的图形，它的统计特征与正常图形不同，并提出一种检查图像并找到潜在的对抗扰动的方法。经过若干数据集的测试显示本文方法的有效性。
PDF5 years ago
可扩展的反洗钱图学习：首次研究
该研究论文探讨了有组织犯罪对人类社会带来的巨大伤害，特别是针对金融领域的洗钱活动。研究者提出了一种新方法，使用大规模图形深度学习对涉嫌犯罪的金融数据进行犯罪活动监测，实验结果表明该方法具有很大的应用前景。
PDF6 years ago