hypergraph learning | BriefGPT

关键词hypergraph learning

搜索结果 - 7

边缘依赖节点分类的共表示神经超图扩散
基于超图扩散运算符，开发了 CoNHD 模型来解决边依赖节点分类任务的限制，通过扩展超图扩散算法来模拟节点 - 超边的相互作用，实现多输入多输出的函数模型。
PDFa month ago
高阶邻域信息更多：超图学习与无源无监督域自适应
提出了一种新的基于超图学习的无源无监督领域自适应方法，通过探索多个样本之间的高阶邻域关系和考虑域偏移效应，实现了对目标样本的分类，并在多个数据集上进行了广泛实验验证。
PDF2 months ago
基于时空超图的多智能体强化学习交通信号控制
提出了一种新颖的交通信号控制系统框架，通过与多个相邻的边缘计算服务器协作收集道路网络上的交通信息，采用多智能体软 actor-critic 强化学习算法结合超图学习，以实现交通信号控制的智能化，优化交通流量，并且能够捕捉多个交叉口之间的复杂
PDF3 months ago
基于消息传递的超图神经网络：同质性和架构设计的共同视角
本论文旨在探讨超图学习方法和基准数据集的一些悬而未决的问题，其中提出了一种新的同质性概念，探索了高阶网络结构和动态的分析框架，并引入了 MultiSet 框架重新定义 Hypergraph Neural Networks。
PDF9 months ago
原型增强的超图学习用于异构信息网络
本研究介绍了一种新的原型增强的超图学习方法，用于异构信息网络中的节点分类，通过使用超图而不是图来捕捉节点之间的高阶关系和提取语义信息，方法利用原型的力量提升超图学习过程的稳健性，并有潜力为人类提供理解底层网络结构的见解。对三个真实世界的异构
PDF9 months ago
从异质性学习：超图的动态学习框架
本文提出了一种名为 LFH 的超图学习框架，能够通过动态超边构建和注意力嵌入更新利用图的异质性属性进行超图学习，在多个数据集上的实验证明其有效性。
PDFa year ago
双尺度自监督超图学习用于群组推荐
本文提出了一个自我监督超图学习框架，用于解决群体推荐中用户之间的复杂关联模型问题。实验分析表明，该模型在多个基准数据集上的表现优于现有方法，并阐明了超图建模和双尺度自我监督的合理性。
PDF3 years ago