graph neural network | BriefGPT

关键词graph neural network

搜索结果 - 786

HeMeNet：蛋白多任务学习的异构多通道等变网络
通过输入蛋白质的三维结构，我们提出了一种神经网络模型来同时处理多个任务，该模型名为异质多通道等变网络（HeMeNet），可捕捉不同原子之间的异质关系，并通过任务感知读出机制实现任务特定学习。我们在多任务基准数据集上进行了广泛评估，验证了多任
PDF3 months ago
无监督学习中旅行商问题的规模和难度泛化
探讨无监督学习在解决旅行推销员问题中的泛化能力，通过训练图神经网络并使用嵌入来构建边缘的热图，同时研究不同的训练实例大小、嵌入维度和分布对无监督学习方法结果的影响，结果表明使用较大的实例规模和增加嵌入维度可以构建更有效的表示，提高解决旅行推
PDF3 months ago
SG-PGM: 3D 场景图对齐的语义几何融合的部分图匹配网络及其下游任务
3D 场景图对齐是一个部分的图匹配问题，我们提出了使用图神经网络来解决它，通过将点云注册方法学习的几何特征与节点级语义特征关联，实现了部分匹配，并通过运行预训练的注册网络在匹配区域内实现了点云注册等下游任务。我们还提出了一种点匹配重新评分方
PDF3 months ago
图神经网络用于治疗效果预测
使用图神经网络结合节点回归和消息传递机制，结合收集训练数据的策略，在大规模电子商务数据中实现对有限标记样本的因果效应估计。
PDF3 months ago
AAAI金融网络中的图异常检测的时态图网络
本文探讨了利用时间图网络（TGN）进行金融异常检测的技术，通过实验证明 TGN 在捕捉金融网络中边的动态变化方面具有显著优势，表明 TGN 在适应现代金融系统动态复杂性方面具有潜力，从而成为检测金融欺诈的有效工具。
PDF3 months ago
GeNet: 基于图神经网络的抗噪任务导向语义通信范式
提出了一种基于图神经网络的语义通信范式 GeNet，旨在抵抗噪声，从而促进面向任务的通信（TOC）。通过将输入数据图像转换为图结构，利用基于 GNN 的编码器从源数据中提取语义信息，然后通过信道传输。接收端利用基于 GNN 的解码器从源数据
PDF3 months ago
CANOS: 快速可扩展的神经网络 AC-OPF 求解器，抗 N-1 扰动
训练一种深度学习系统（CANOS）来预测近似最优解（与真实的 AC-OPF 成本相差不超过 1%），同时不牺牲速度，并在包含多达 10,000 个母线的实际电网规模上获得有希望的实证结果。因为 CANOS 是一个图神经网络，它对拓扑变化具有
PDF3 months ago
EL-MLFFs: 集成学习的机器学习力场
通过构建分子结构的图表示并利用图神经网络（GNN）作为元模型，EL-MLFFs 有效地捕捉了原子间相互作用并优化了力预测，实验证明 EL-MLFFs 相对于独立的 MLFFs 显著提高了力预测准确性，最佳性能由所有八个模型组合得出。此外，剩
PDF3 months ago
推荐系统的图增强
提出了一种名为 GraphAug 的原则性框架，该框架引入了一个强大的数据增强器，生成去噪的自监督信号，增强推荐系统的性能。该框架通过自适应地调整对比视图生成，自动地提炼信息丰富的自监督信息。通过对真实数据集的严格实验评估，得出 Graph
PDF3 months ago
基于语义 - 结构注意力增强的图卷积网络的节点分类
通过引入语义 - 结构注意力增强图卷积网络（SSA-GCN），本研究在提取顶点分类性能方面不仅对图结构进行建模，还从无监督特征提取的角度提取通用特征，通过交叉注意力机制整合这些特征，以增强图卷积网络的泛化能力。在 Cora 和 CiteSe
PDF3 months ago
iSpLib: 使用自动调节稀疏操作加速图神经网络的库
iSpLib 是一个基于 PyTorch 和 C++ 的库，用于加速图神经网络（GNN）的训练，并通过自动调优稀疏操作提高性能。该库在本地缓存中存储中间矩阵，通过用户友好的 Python 插件，仅需额外两行代码就能利用我们优化的 PyTor
PDF4 months ago
基于用户中心子图网络的知识增强推荐
基于知识图谱和图神经网络的用户中心子图网络方法 (KUCNet) 构建了用户 - 物品子图以捕捉用户物品历史交互和知识图谱提供的辅助信息，并使用基于注意力机制的图神经网络对子图进行编码，提供了准确、高效、可解释的推荐特别是针对新物品的方法。
PDF4 months ago
推荐的双通道复用图神经网络
介绍了一种新的推荐框架，Dual-Channel Multiplex Graph Neural Network (DCMGNN)，以解决现有推荐方法在建模行为模式和处理多重关系时的不足，实验证明该模型在真实数据集上的性能优于最先进的推荐方法
PDF4 months ago
CapsLorentzNet：将物理启发特征与图卷积相融合
通过引入胶囊层与图神经网络的结构相容的新颖架构修改，本文进一步研究提升了现代机器学习技术中的目标标记方法。该胶囊层是一组具有向量激活的神经元，向量的方向表示所研究对象的重要特性，向量的大小表示所研究对象是否属于胶囊所代表的类别。此外，胶囊网
PDF4 months ago
NuGraph2：中微子物理事件重建的图神经网络
利用液体氩时间投影室（LArTPC）探测器技术进行粒子重建是本文描述的主要技术，使用了基于图神经网络（Graph Neural Network，GNN）的 NuGraph2 算法对模拟中微子相互作用进行低级重建，同时提供了高效的背景过滤和语
PDF4 months ago
多关系图神经网络用于领域外链接预测
在这项研究中，我们针对动态多关系图提出了一种新颖的 Graph Neural Network 模型，名为 GOOD，它通过新颖的多关系嵌入聚合设计解决了域外泛化问题，并在两个零售领域提出了五个基准测试，证明 GOOD 能有效地预测出已知关系
PDF4 months ago
通过 GNN 的反向过程区分异质图的邻居表示
通过逆向消息传递过程，改进了图神经网络中的过度平滑问题，并提高了在异质图中节点分类的预测性能。
PDF4 months ago
集成二次分配网络用于图匹配
通过图神经网络结合数据驱动和传统方法，该研究提出了一种解决图匹配问题的模型，该模型利用了随机抽样策略降低了计算复杂度和 GPU 内存使用，并在几个任务上得到了显著的性能提升。
PDF4 months ago
用于标签稀缺个体提升建模的两个提升估计器的图神经网络
使用基于图神经网络的框架，利用社交网络中的邻居特征和社交关系对提升效果进行建模，解决了现有提升建模方法中面临的信息不足、标记数据稀缺等挑战，取得了在公共数据集和工业数据集上优于最先进方法的卓越性能，已在实际应用中用于提供实时提升效果估计。
PDF4 months ago
基于保持图模式的图神经网络与课程学习的金融违约预测
通过设计模式保持的图神经网络与课程学习 (MotifGNN)，本研究提出了一种预测用户财务违约的方法，以同时学习原始图的低阶结构和基于多视图模式的图的高阶结构，以解决之前方法在面对信息有限用户时无法满足预测需求的问题。
PDF4 months ago