关键词machine learning on graphs
搜索结果 - 2
- 重温图上的随机游走学习
通过对图的随机游走产生机器可读的记录,并通过深度神经网络处理这些记录,直接进行顶点级或图级的预测,我们重新审视了图上机器学习的一个简单思想。我们称这些随机机器为随机游走神经网络,并表明我们可以设计它们成为同构不变并具备概率下图函数的通用逼近 - 从状态空间模型中,我们能在图机器学习上学到什么?
提出了一种名为 Graph State Space Convolution (GSSC) 的方法,该方法是 State Space Models (SSMs) 在图结构数据上的扩展,通过利用全局置换等变集合聚合和以节点之间的相对距离作为卷积