Weiqiang Wang

FedGKD verbessert das föderierte Lernen für Graphen-Neuronale-Netzwerke, indem es die Merkmalsextraktion für Aufgaben optimiert.

Diese Studie untersucht die Bedenken bezüglich der Privatsphäre im Graphen-Repräsentationslernen und Edge-Rekonstruktionsangriffe.

Ein neues Datenset und eine neue Erkennungsmethode gehen das Problem von gefälschten Videoinhalten an.

Eine Übersicht über affine quanten Gruppen und deren Bedeutung in der Mathematik.

Ein neuer Ansatz zur Verbesserung von Vorhersagen in dynamischen Graphen mithilfe von Transformern.

Eine neue Technik verbessert das Training für Bildverarbeitungsmodelle und geht gängige Probleme an.

Diese Forschung stellt TBL vor, um die Modellleistung bei ultra-ungleichgewichtigen Datenszenarien zu verbessern.

Ein neues Modell verbessert die Analyse und Vorhersage von Finanzdaten.

Entdecke, wie synthetische tabellarische Daten die Privatsphäre schützen und gleichzeitig die Datennutzung verbessern.