关键词message-passing framework
搜索结果 - 4
- GADY: 动态图上的无监督异常检测
在动态图上进行异常检测的研究主要关注于检测行为明显偏离图和时间信息内观察到的规范的实体,已吸引了金融、网络安全、社交网络等领域的极大关注。然而,现有的方法面临两个挑战:动态结构构建挑战 - 难以捕捉带有复杂时间信息的图结构,负采样挑战 - - 有向图神经网络是否具有对抗性鲁棒性?
本研究首次探讨有向图在提供网络固有结构丰富信息方面的重要性,为了增强 GNN 的鲁棒性和弹性,我们提出一种全新的信息传递框架作为插件层,并结合现有的防御策略,取得了优异的干净精确度和最先进的鲁棒性能,具有超强的防御转移和自适应攻击的作用。
- 使用结构消息传递构建强大且等变的图神经网络
通过在节点特征的基础上传播节点的 One-hot 编码,以学习每个节点周围的本地上下文矩阵以及保证置换等变性的消息和更新函数,我们提出了一种具有强大表达能力和等变性的消息传递框架,用于对图形网络进行建模,实验表明本模型可以更准确地预测合成数 - ICLR图神经网络无法学习的内容:深度与宽度
该论文研究了图神经网络的表达能力,发现了其在深度和宽度受限时可能会失去很大一部分功效,同时提出了一种使分布式计算的经典结果得以重用的新技术,给出了各种图论问题的下界。