Truong Son Hy

Un nouveau modèle améliore la prédiction de la conception de circuits grâce à des hypergraphes dirigés.

Explorer des méthodes avancées pour une analyse efficace des données graphiques.

ESGNN améliore la génération de graphes de scène à partir de nuages de points 3D en préservant la symétrie.

SAMSA améliore l'efficacité de l'auto-attention pour différents types de données.

Un modèle de transformateur amélioré conçu pour gérer efficacement plusieurs types de données.

Un nouveau autoencodeur améliore l'apprentissage de la représentation des graphes dans diverses applications.

TESGNN améliore la compréhension des scènes par les machines grâce à un traitement des données temporelles et spatiales.

GROOT améliore l'efficacité de la conception des protéines en utilisant un minimum d'infos.

ConxGNN vise à améliorer la façon dont les robots comprennent les émotions pendant les dialogues.