Últimos artículos para Redes Neurales Gráficas

Presentamos la Red de Atención Gráfica Direccional para mejorar el aprendizaje de nodos en gráficos complejos.

Un nuevo marco mejora la pre-entrenamiento de gráficos al seleccionar y ponderar tareas de manera efectiva.

Un nuevo método usa aprendizaje automático para detectar errores en programas MPI de manera efectiva.

Los robots pueden navegar mejor buscando activamente información sobre su entorno.

Un nuevo modelo apunta eficientemente a nodos en GNNs con cambios mínimos.

Un nuevo método mejora la traducción de moléculas usando Modelos de Lenguaje Grande.

K-Link mejora el análisis de datos de MTS a través de una mejor comprensión de la interacción con los sensores.

Un nuevo marco mejora las recomendaciones de artículos al equilibrar la influencia social y las preferencias del usuario.

AnisoGNN usa IA para predecir las propiedades de materiales policristalinos con menos datos.

Un método rápido y eficiente para procesar gráficos sin modelos complejos.

Este estudio explora cómo la conciencia topológica afecta el rendimiento y la equidad de las Redes Neuronales de Grafo.

Un nuevo método mejora las GNNs al mejorar el reconocimiento de la estructura del grafo.

Explorando homomorfismos de grafos para mejorar las capacidades de generalización de las GNN.

Entendiendo cómo las Redes Neurales de Grafos modelan relaciones complejas en los datos.

Un nuevo método mejora el rendimiento de las GNN aprovechando subgrafos de explicación.

Un método para evaluar el impacto de la eliminación de usuarios en las opiniones de la red.

Un estudio revela factores que afectan el rendimiento de GCN de una sola capa en varios modelos de datos.

Un nuevo método para mejorar el entrenamiento de modelos a partir de datos de gráficos ruidosos.

Un nuevo método mejora las capacidades de aprendizaje de las Redes Neurales de Grafos.

E-SHARC mejora la identificación de hablantes en varios entornos de audio.

Un nuevo método mejora las simulaciones de dinámica de fluidos usando redes neuronales.

Explorando nuevos modelos para una mejor análisis de datos gráficos.

Examinando el papel del deep learning en el análisis de imágenes médicas y las amenazas adversariales.

Métodos innovadores mejoran las expresiones faciales 3D para personajes digitales realistas.

Un nuevo protocolo mejora la eficiencia de entrenamiento de las Redes Neuronales de Grafos usando CPU y GPU.

CANOS predice soluciones de flujo de potencia casi óptimas rápidamente para redes de energía complejas.

Un nuevo método mejora las recomendaciones utilizando incrustaciones adaptables y una gestión eficiente de recursos.

Un nuevo método de IA mejora la programación en entornos de tareas inciertos.

La investigación investiga cómo la estructura de la red se relaciona con la estabilidad usando métodos avanzados.

Examinando GNNs para clasificar eventos de colisiones de partículas.

Un nuevo modelo transforma las predicciones de retrosíntesis usando redes neuronales gráficas.

Un nuevo método, DepGraph, mejora la precisión en la detección de bugs de software.

Presentamos Smart, un método para mejorar el rendimiento de GNN en grafos cambiantes.

Usando aprendizaje profundo para mejorar la eficiencia del transporte público y reducir costos.

Un nuevo método mejora la precisión de la ubicación GNSS en ciudades con edificios altos.

Un nuevo método que usa aprendizaje profundo enfrenta fallos en cascada en redes complejas.

Un nuevo modelo mejora las predicciones del rendimiento de los surfactantes según la temperatura.

Un enfoque nuevo para estimar efectos causales en redes sociales.

Nuevos métodos mejoran la detección de anomalías en sistemas de detección de intrusiones en redes.

Mejorando la seguridad del software al detectar vulnerabilidades antes de que sean explotadas.