关键词message passing networks
搜索结果 - 6
- 使用 Koopman 消息传递学习非线性网络动力学的线性嵌入
本文提出了一种基于 Koopman 算子理论和消息传递网络的新方法，可以在任意时间步骤上全局有效地找到动态系统的线性表示，并应用于非线性网络动态问题及神经网络体系结构的高度非线性培训动态，获得了比当前技术水平高数个数量级的预测精度。
- ICMLE (n) 等变传递简单网络
本文提出了 E (n) 等变消息传递单纯形网络（EMPSNs）的新方法，可以在几何图形和点云上学习，具有旋转、平移和反射等等变性。EMPSNs 可以通过等变的方式使用高维单纯形的几何信息学习高维单纯形特征，是 E (n) 等变图神经网络的拓 - ICML学习深度度量学习中的批内关联
本研究提出了一种基于信息传递网络的方法，能够考虑 mini-batch 中全部样本之间的关系，通过加入注意力机制，使得样本能够在信息传递中自行确定重要性，该方法在 CUB-200-2011、Cars196、Stanford Online P - 大规模分子数据上的自监督图变换器
研究如何通过图神经网络（GNN）和自我监督学习来进行分子表征学习，并设计了一个名为 GROVER 的框架，通过预训练和任务特定的微调，达到较高的分子性质预测准确性。
- 多模态知识图谱上端到端的实体分类
提出了一种多模态消息传递网络，在结构化的知识图谱中处理来自多种标记类型的节点特征，以提高节点分类任务的性能。
- CVPR多目标跟踪的神经求解器学习
本文提出了一种基于消息传递网络的全可微分多目标追踪框架，可以直接在图形领域进行操作，实现对于整个检测集的全局推理和最终解决方案的预测，证明了在多目标追踪领域，学习不仅需要局部特征提取，还可以应用于数据关联步骤，并在三个公开基准测试中取得了显