关键词topological structures
搜索结果 - 7
- 超越文本:深入研究大型语言模型对理解图数据的能力
在该研究中,我们通过对大型语言模型在图预测任务的性能进行实验,评估它们是否能有效处理图数据并利用拓扑结构提高性能;通过与专门的图神经网络进行比较,我们对大型语言模型在图分析中的优势和局限性提供了见解,并为将它们应用于图分析提供了进一步的探索 - ICLR通过图神经网络学习可学习的拓扑特征进行系统发育推断
本文提出基于可学习拓扑特征的系统发育推断结构表示方法,通过结合最小化狄利克雷能量的原始节点特征和现代图表示学习技术,该方法可提供高效的系统发育树结构信息,可自动适应不同的下游任务。在模拟数据和具有挑战性的实际数据上进行验证和评估。
- KDDAM-GCN: 自适应多通道图卷积网络
本文提出了一种新型 GCNs 模型:自适应多通道图卷积网络 (AM-GCN),以更好地融合和提取节点特征和拓扑结构之间的深度相关信息,并在半监督分类任务上取得了明显的精度提升。
- ICML拓扑自编码器
该研究提出一种新颖的方法,利用持久性同调技术,在自编码器的潜在表示中保留输入空间的拓扑结构,以保存多尺度的连接信息。实验表明这种方法在合成流形和现实世界图像数据集上表现出良好的潜在表示,并保留了低重构误差。
- 所有的改编拓扑结构是相等的
本研究介绍了不同学者对于随机过程的拓扑结构方面的探究,其中包含对预测过程、信息拓扑、扩散过程中引入的 Wasserstein 距离和嵌套距离等的介绍,并研究这些方法建立的拓扑结构与优化问题的关联。主要发现是这些方法定义了有限离散时间内相同的 - 探究无监督图嵌入的语义内容:一项实证研究
本文研究图嵌入是否近似于传统的顶点层面图特征,通过从嵌入空间直接预测已知的拓扑特征,使用监督和无监督方法,并通过对五种最先进的无监督图嵌入技术进行广泛的实验评估,测量一系列拓扑特征,我们证明了嵌入空间确实近似了几个拓扑特征,从而提供了关于图 - 利用相邻图导航语义地图
本研究探讨了分布语义模型中的最近邻搜索,并提出了使用拓扑结构来达到词义感知和确定语义范围的方法,使用相对邻域图来确认语义模型中邻域的拓扑属性,探讨了 PMI 模型、GloVe 模型和 skipgram 模型的相对邻域图。