graph learning methods | BriefGPT

关键词graph learning methods

搜索结果 - 7

多智能体强化学习中推断潜在时间稀疏协调图
在合作多智能体强化学习中，有效的智能体协调至关重要。为了解决现有方法中对历史经验的忽视和稠密图计算的可扩展性问题，我们提出了一种基于潜在时间稀疏协调图的多智能体强化学习方法。该方法利用智能体的历史观测计算智能体对概率矩阵，并基于此矩阵生成稀
PDF3 months ago
通向多功能图学习方法：基于大型语言模型的视角
本文提出了一种使用大型语言模型设计多功能图学习方法的新概念原型，重点关注了 “在哪里” 和 “如何” 的角度，总结了四个关键的图学习过程，并探索了大型语言模型在这些过程中的应用场景，最后指出了更好利用大型语言模型的发展方向。
PDF5 months ago
图彩票假设：发现稀疏且信息丰富的图结构
每个图都有一个极度稀疏的骨干，图学习算法可以在此骨干上训练，并且能够达到与完整图相当甚至优于其性能，该研究系统地研究了直接影响图学习算法性能的 8 个关键指标，并提出了在任意图中寻找这些骨干的简单高效算法。
PDF7 months ago
关于图上不平衡学习的调查：问题、技术和未来方向
这篇综述论文对不平衡图学习领域的文献进行了全面的回顾，提出了两个详尽的分类方法，并为读者建立了扎实的基础理解。该领域研究主要集中在图分析、数据不平衡以及相关的解决方法上，为读者在方法选择方面提供了指导，并展望了未来的研究方向以促进创新。
PDF10 months ago
分子属性预测的自动化三维预训练
本文提出了一个名为 3D PGT 的新颖框架，它可以在无法获得几何结构的实际应用情况下，以 2D 结构为输入预测分子属性，实验证明与各种预训练基线相比，其具有更高的准确性，效率和泛化能力。
PDFa year ago
RS2G: 数据驱动场景图提取和嵌入用于鲁棒的自主感知和场景理解
提出了一种数据驱动的图提取和建模方法，称为 RoadScene2Graph (RS2G)，它能够学习提取用于解决自主场景理解任务的道路场景的最佳图表示，并提高图学习方法的泛化性和仿真数据到实际场景的转移能力。
PDFa year ago
连接数据点：通过图信号处理识别网络结构
本文介绍了图形学习方法，如何通过图信号了解底层网络拓扑，以及统计方法，使用相关分析学习高斯图模型，并介绍近期的 GSP 基础网络推断框架，以及对动态网络的推断，非线性模型的配对交互以及对有向图的扩展及其与因果推理的关系等领域的挑战和机遇进行
PDF6 years ago