关键词graph learning techniques
搜索结果 - 3
- 使用注意力驱动的脉冲神经网络增强图表示学习
本文提出了一个将注意机制与脉冲神经网络 (SNN) 相结合的新方法,以改进图表示学习的能力。该方法能够在学习过程中选择性地关注图中重要的节点和相应的特征,并在多个基准数据集上进行评估,结果显示其性能与现有的图学习技术相当。
- BloomGML: 透过双层优化镜头看图机器学习
双层优化是指将下层能量函数的最优解作为上层感兴趣的目标的输入特征。本文说明了一系列图学习技术可以被重新解释为双层优化的特殊情况或简化形式,并提出了更灵活的能量函数类,形成图神经网络的消息传递层。此外,本文探索了与非图神经网络图学习方法的密切 - TMac: 音频事件分类的时间多模态图学习
我们提出了一种基于时态多模态图学习技术的音频事件分类方法 TMac,通过建模这种时态信息,我们构建了每个音频事件的时态图,通过利用图学习技术来捕捉模态内部和模态间的动态信息,实现了优于其他最先进模型的性能。