graph neural network | BriefGPT

关键词graph neural network

搜索结果 - 800

您的图形推荐器可以证明是单视图图形对比学习
图推荐器与图对比学习在编码器和损失函数方面存在关联，通过理论和实验证明，图推荐器是单视图图对比模型，GR 模型的损失函数可以用 GCL 损失代替。
PDF2 days ago
Krait：一种针对图形提示调优的后门攻击
通过图谱调整，我们研究了图谱后门攻击的脆弱性，提出了一种新型的图谱后门攻击方法 Krait，为了提高攻击效果和隐蔽性，我们设计了三种可定制的触发器生成方法，并通过实验证明了 Krait 的可行性和严重威胁。
PDF9 days ago
在一种符合性图神经网络框架中，利用综合旅行时间和数据可用性进行城市交通预测
提出了一种新的框架来将车站之间的旅行时间纳入基于数据可用性的交通站点的带权邻接矩阵的图神经网络架构中，以处理不确定性并提高交通流量预测模型的性能。实验证明，该模型在平均绝对误差方面优于其他模型约 24%，在均方根误差方面优于其他模型约 8%
PDF10 days ago
Dirac–Bianconi 图神经网络 — 实现非扩散的远程图预测
基于图拉普拉斯矩阵的 Dirac-Bianconi 图神经网络与传统的信息传递神经网络具有根本不同的方式来探索图的几何结构，具有一致的远程传播能力，并在电网稳定性和多肽性质的长程预测方面显示出卓越的性能。
PDF10 days ago
基于图网络的可靠实时城市空中出行车队调度对抗学习框架
城市空中出行（UAM）的广泛采用和经济可行性在一定程度上取决于在 UAM 网络中如何对飞机机队进行最优调度，其中不确定性包括空域拥塞、变化的天气条件和不同的需求。本文提出了飞机机队调度问题的全面优化形式，同时也指出需要替代的解决方案，因为直
PDF11 days ago
通过图稀疏化解决图神经网络中的过度平滑问题：基于桥组的方法
提出了一种基于顶点的图稀疏化模型，用于解决图神经网络中由于过度聚合操作导致的过平滑问题，并在图分类任务中显著提高了基线图神经网络模型的性能。
PDF11 days ago
通过神经因果模型的图神经网络因果解释
通过因果推理，提出了一种基于图神经网络的因果解释方法，通过构建因果结构和结构性因果模型，通过训练可定制的神经因果模型，揭示了解释图神经网络预测的子图。
PDF15 days ago
使用预训练的 LLM 的简化文本属性图嵌入
使用 Simplified Text-Attributed Graph Embeddings (STAGE) 方法来增强编码文本属性图的图神经网络模型中的节点特征。STAGE 利用大型语言模型生成文本属性的嵌入，实现了在各种节点分类基准测试
PDF17 days ago
基于 GNN 的从单视角 2D 投影重建体积器官形状的 Deep-Motion-Net
提出了 Deep-Motion-Net: 一种端到端的图神经网络架构，可以从任意投影角度获取的单个治疗中 kV 平面 X 射线图像实现三维（容积）器官形状重建。
PDF18 days ago
5G RAN 中的广义基于 Transformer 的无线链路故障预测框架
提出了一种新颖的 RLT 预测框架 GenTrap，采用基于图神经网络的可学习天气效果聚合模块以及最先进的时间序列变换器作为时态特征提取器，通过集成该聚合方法改善现有预测模型的性能和普适性。使用两个真实世界数据集进行评估，在 2.6 百万个
PDF21 days ago
G - 自适应网格精炼 -- 基于图神经网络和可微分有限元求解器的优化
基于图神经网络的新方法用于解决有限元方法中网格自适应的问题，通过直接最小化网格点位置对有限元解误差的训练，取得了非常高效和有效的在线自适应效果，同时在测试问题中优于传统和先前的机器学习方法，特别是在减少有限元解误差的同时保持了先前机器学习工
PDF22 days ago
基于小波的时间关注提升交通预测
本文提出了一种基于小波的动态时空感知图神经网络 (W-DSTAGNN)，用于解决交通流量预测问题，实验证实该方法有效地捕捉时空相关性，在三个不同的真实交通数据集上胜过了十种最先进的模型，可以以高效的方式处理动态时空依赖性并进行长期预测。
PDF22 days ago
GraphCNNpred：基于图的深度学习系统的股市指数预测
基于图神经网络和卷积神经网络的深度学习技术，应用于多样化的数据源，提取特征以预测 S&P 500、纳斯达克、DJI、纽交所和 RUSSEL 指数的趋势。
PDF23 days ago
SF-GNN：深度图神经网络中的消息无损传播自过滤
图神经网络（GNN）通过传播和聚合的方式对图的结构信息进行编码，取得了显著的表征学习性能，但是仅仅叠加 GNN 层可能不会提高模型的性能，甚至可能有害。针对深层 GNN 出现的性能下降现象，我们提出了一种新的观点。我们认为这个问题不是过度平
PDF24 days ago
ContactNet：基于几何的深度学习模型用于预测蛋白质 - 蛋白质相互作用
我们开发了一种基于注意力的图神经网络 (ContactNet)，用于将从对接算法中得到的蛋白质相互作用模型分类为准确和错误的模型，不需要多序列比对，适用于其他类型的相互作用。
PDFa month ago
Solarcast-ML: 太阳能发电的每节点图传播扩展
该研究扩展了 GraphCast 模型，将太阳能发电预测能力整合进去，并成功地预测了天气条件与太阳辐射之间的关系，为可再生能源部门提供宝贵的见解。
PDFa month ago
MolecularGPT: 开放式大型语言模型（LLM）用于少样本分子性质预测
利用 MolecularGPT，基于大规模语言模型对分子指令进行微调，并通过零样本和少样本的上下文学习，在少样本分子预测任务中取得新的竞争性结果，显示出语境推理能力优势，超过传统的图神经网络方法和现有语言模型基线，为语言模型在少样本分子特性
PDFa month ago
图神经网络数据增强技术的研究与实现
数据增强技术在图神经网络的深度学习算法中起到关键作用，本文对图神经网络的数据增强技术进行了分析和优化，提出了一种基于图神经网络的数据增强技术。
PDFa month ago
节点分类的全局 - 局部图神经网络
提出了一种名为 Global-Local-GNN (GLGNN) 的方法，通过利用全局和局部信息以及节点标签和特征的学习，提高了节点分类 GNNs 的性能，并显示了全局信息利用对节点分类的重要性。
PDFa month ago
图神经汤普森采样
我们提出了一种基于图神经网络和汤普森抽样算法的在线决策问题求解方法，该方法在估计奖励函数的平均值和不确定性估计方面利用了图神经网络近似器，并证明在一定奖励函数边界的假设下，该方法在交互轮次数量和有效维度上能够达到线性次数的亚线性遗憾界，并且
PDFa month ago