关键词kernel graph neural networks
搜索结果 - 2
- 自监督与核图神经模型相遇:从架构到增强
我们改进了核图神经网络 (KGNNs) 的设计与学习,通过扩展其算法形式并引入自我监督方法,提出了一种更灵活且结构保持的图数据增强方法 (latent graph augmentation),实验证明我们的模型在图分类任务上达到了与先进方法 - KerGNNs: 基于图核的可解释图神经网络
本文提出了一种新的 GNN 框架,称为 “核图神经网络”,将图核函数集成到 GNN 的消息传递过程中,通过卷积滤波器使用可训练图作为图过滤器与子图相结合来更新节点嵌入,并显示 MPNN 可以视为 KerGNN 的特殊情况,该方法在多个图相关