graph neural network | BriefGPT

关键词graph neural network

搜索结果 - 785

GraphAlign：通过特征对齐在多个图上预训练一个图神经网络
通过对具有丰富节点特征的各类图进行预训练，并将预训练好的图神经网络应用于未见过的图，GraphAlign 方法有效地解决了图自监督学习中不同领域图之间特征差异的挑战，通过特征编码、规范化和特征专家模块的混合对齐策略实现了特征分布的统一，从而
PDFa month ago
思考修剪在后门缓解中的作用：优化的视角
为了解决剔除被感染深度神经网络中的后门相关神经元的问题，在现有方法的基础上，我们提出了优化神经元剪枝（ONP）方法，结合图神经网络（GNN）和强化学习（RL），通过学习图嵌入和找到适当的剪枝策略来修复后门模型。实验证明，ONP 可以在几乎没
PDFa month ago
超关联知识图谱的基数估计
本研究旨在通过构建多样化和无偏见的超关系查询集，综合调查超关系知识图上的查询基数估计问题，并提出一种新颖的附加限定词图神经网络（GNN）模型，该模型能够有效地将限定词信息整合，并自适应地合并多个 GNN 层的输出，以准确预测查询基数。实验证
PDFa month ago
SATSense：卫星合作框架下的频谱感知
利用多颗卫星的多样数据进行协作感知以及利用图神经网络进行有效的频谱感知，同时采用联合子 - Nyquist 采样和自动编码器数据压缩框架以及对丢失数据进行对比学习，以实现高效的频谱感知性能并在频谱感知准确性上超越传统深度学习算法。
PDFa month ago
利用图神经网络探究定制化医疗决策算法
利用图神经网络（GNN）算法，该研究在医学和健康领域创新性地整合了图神经网络技术，并通过挖掘患者的临床特征、基因信息和生活习惯之间的复杂关联，构建了高精度的患者健康状况表示模型。实验证实，相比传统机器学习方法和单一图神经网络模型，该个性化医
PDFa month ago
多物理信息神经网络在多变量时间序列中的键合图
我们提出了一种结合了 Bond Graphs 和 Graph Neural Network 的神经物理信息编码器（NBgE），用于解决复杂的多物理领域任务。通过实验证明了该方法在多变量时间序列预测任务上的有效性。
PDFa month ago
FedASTA：基于联邦式自适应时空关注机制的交通流量预测
提出了一种新颖的联邦自适应时空注意力（FedASTA）框架，用于建模动态的时空关系。在客户端节点，FedASTA 从原始时间序列的分解项中提取时间关系和趋势模式。然后，在服务器节点上，FedASTA 利用来自客户端的趋势模式构建自适应时空感
PDFa month ago
图神经网络与语言模型相遇：用于具有归属属性的文档转化为演示文稿
自动从长文档的文本中生成演示文稿是一个具有挑战性和有用的问题。我们提出了一种基于图神经网络和语言模型组合的方法，通过学习输入文档的图形并为每张幻灯片分配内容，生成具备更好的非线性叙述性的演示文稿，并与直接使用语言模型的方法进行了实验证明我们
PDFa month ago
KPG: 基于强化学习的谣言检测关键传播图生成器
这篇论文介绍了一种基于强化学习的谣言检测框架，通过生成上下文一致和信息丰富的传播模式来解决传播图中噪音和无关结构的问题，并通过候选响应生成器和终点节点选择器的组成及互相训练来优化检测效果，最终在四个数据集上的实验证明了其优越性。
PDFa month ago
知识图谱修剪用于推荐
我们提出了一种名为 KGTrimmer 的新颖方法，用于为推荐任务修剪知识图，以去除不必要的节点并最小化性能下降，通过从群体视图和整体视图的角度设计重要性评估器和端到端的有重要性的图神经网络，生成轻量、稳定和健壮的修剪后的知识图。
PDFa month ago
KDDGraSS: 将图神经网络与专家知识结合，用于 SAT 求解器选择
通过三分图表示的实例和异构图神经网络模型，我们提出了一种基于 GraSS 的自动 SAT 求解器选择方法，该方法使用了特定领域决策，如新的节点特征设计、图中子句的位置编码、针对三分图的 GNN 架构以及运行时间敏感的损失函数，通过广泛的实验
PDFa month ago
学习图上的粗粒度动力学
我们考虑使用图神经网络（GNN）非马尔科夫建模框架来识别图上的粗粒化动力系统。我们的主要思路是通过检查莫里 - 茨旺齐记忆项的主导项如何依赖编码图拓扑的粗粒化相互作用系数，系统地确定 GNN 的体系结构。基于这个分析，我们发现适当的 GNN
PDF2 months ago
优化数字孪生网络的实数据驱动网络评估模型
基于实际网络数据，本文提出了一种基于自动编码器的跳连接消息传递神经网络（AE-SMPN）作为网络评估模型，通过利用图神经网络（GNN）与循环神经网络（RNN）模型捕捉网络数据的时空特征，并且使用自动编码器（AE）提取初始特征。该神经网络是使
PDF2 months ago
可扩展离散动态图神经网络的输入快照融合
通过引入基于输入快照融合的动态图神经网络（SFDyG），本文在动态图领域解决了现有静态图模型无法适应的问题，并通过引入多图和 Hawkes 过程理论等方法提高了模型的可扩展性和预测性能。
PDF2 months ago
GraphRelate3D：上下文相关的基于关系图的三维物体检测
通过引入对象关系模块和图神经网络（GNN），从周围建议中提取空间信息并改进 3D 对象检测，该方法在 KITTI 数据集上相较基准方法 PV-RCNN 在简单、中等和困难难度级别的汽车类上分别提升了 0.82%、0.74% 和 0.58%，
PDF2 months ago
对基于归纳图神经网络的链接窃取攻击
通过针对归纳式图神经网络进行系统隐私分析，本文填补了以往对于归纳式图神经网络的全面隐私分析的空白，并通过对链接窃取攻击的分析，提出了后验攻击和组合攻击两种类型的攻击，发现归纳式图神经网络泄漏大量信息，使得攻击即使在没有关于图结构的先验知识的
PDF2 months ago
G-SAP：基于图的异构知识的常识推理结构感知提示学习
我们提出了一种用于常识推理的新型基于图结构的提示学习模型，名为 G-SAP，旨在在 LM+GNNs 模型中保持异构知识的平衡并增强跨模态的交互。通过将多个知识源整合到证据图中，采用结构感知的冻结 PLM 来完全融合来自证据图的结构化和文本信
PDF2 months ago
KDD基于动态图神经网络的精确脑电图癫痫检测与分类
这篇论文介绍了 NeuroGNN，一个动态图神经网络框架，通过捕捉脑电极位置和对应脑区语义之间的动态相互作用，来优化癫痫的检测和分类，并在实际数据上的广泛实验证明其明显优于现有的先进模型。
PDF2 months ago
多尺度过采样图神经网络在不平衡图分类中的应用
一个主要的挑战是在不平衡的图分类中学习表达图的表达性，并通过在多个尺度 - 子图、图和成对图上超采样得到的图内和图间语义学习达到这一目标。MOSGNN 通过联合优化子图级、图级和成对图级学习任务，学习镶嵌在少数类图中和图之间的鉴别性信息，从
PDF2 months ago
自适应最小均值 p 次幂图神经网络
提出了自适应最小均值 $p^{th}$ 功率图神经网络 (LMP-GNN)，结合了自适应滤波和图神经网络的通用框架，用于在线图信号估计。LMP-GNN 在处理噪声和缺失观测方面保持自适应滤波的优势，并具有在线更新能力。在噪声冲击下，通过 $
PDF2 months ago