message passing mechanism | BriefGPT

关键词message passing mechanism

搜索结果 - 10

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
图结构单元消息传递
基于单元 RNN 的图单元消息传递（GUMP）通过应用单元邻接矩阵进行消息传递，提出了一种减轻 GNN 中过度压缩的方法，有效改善了各种图学习任务的性能。
PDF4 months ago
复杂查询回答的条件逻辑消息传递变形器
该论文提出了一种名为 “条件逻辑消息传递转换器” 的新型神经网络模型，通过使用预训练的神经链接预测器来在常量和变量之间进行条件性的消息传递，并通过自注意机制显式建模各个元素之间的逻辑依赖关系，从而降低计算成本并实现了新的领先的神经网络复杂查
PDF4 months ago
使用 Pfaffian 激活函数的图神经网络的 VC 维度
本文提出了一种拓展通用图神经网络（GNNs）的 VC 维度分析方法，研究了 GNNs 中常用的激活函数，如 sigmoid 和双曲正切函数，通过 Pfaffian 函数理论框架给出了与架构参数和 1-WL 测试结果相关的界限，理论分析得到了
PDF5 months ago
NP$^2$L：负面伪偏标签提取图神经网络
通过实验发现，如果通过不重叠的部分标签选择伪标签，并将其定义为负节点对关系，则伪标签的准确性更高。因此，通过伪标签和部分标签的提取构建负边，生成一个带有高准确性伪标签信息的有向图，有效地辅助了图神经网络在消息传递层的学习，提供了第二个问题的
PDF9 months ago
面向公平性的图神经网络消息传递
提出了一种新颖的公平感知消息传递框架 GMMD，该框架考虑了图平滑性和表示公平性，并且可以显著提高各种 GNN 模型的公平性，同时保持高精度。
PDFa year ago
增强功能词关注网络用于少样本逆向关系分类
本文提出了一种自适应增强注意力框架（FAEA）用于少样本逆关系分类，其中设计了一种混合注意模型来关注基于元学习的类别相关功能词，并引入自适应消息传递机制来捕获和转移类间差异，实验证明 FAEA 优于现有模型，特别是在 FewRel1.0 的
PDF2 years ago
ICML基于 $p$-Laplacian 的图神经网络
本文提出了一种新的 GNN 模型：$^p$GNN，它实现了细胞特征和拓扑信息的同时分类，特别适用于异质图，其经过了充分的实验验证并表明表现显着优于多种 GNN 模型。
PDF3 years ago
基于分层图神经网络的空气质量预测方法：HighAir
本研究提出了一种基于层次图神经网络的空气质量预测方法 HighAir，采用编码器 - 解码器结构，并考虑了天气和土地利用等复杂的影响因素，动态调整边缘权重以建模动态因素与空气质量的相关性，实验结果表明 HighAir 显著优于其他方法.
PDF3 years ago
CVPRSR-LSTM: 面向行人轨迹预测的 LSTM 状态细化
本研究提出了一种基于 SR-LSTM 的数据驱动状态细化模块，通过消息传递机制激活邻居的当前意图，并共同迭代地完善人群中所有参与者的当前状态，有效提取邻居的社交效应，实现了对于行人轨迹预测的良好效果。
PDF5 years ago