Derniers articles pour Réseaux de neurones graphiques

Un œil sur les réseaux ReLU et leur rôle dans l'intelligence artificielle.

Les techniques d'IA sont en train de changer la façon dont les chercheurs abordent les défis de l'Algèbre Universelle.

Cette étude montre comment les arêtes dirigées améliorent la performance des GNN, surtout dans les graphes hétérophiles.

Cette recherche améliore la classification des nœuds en utilisant la non-uniformité des étiquettes dans les réseaux de neurones graphiques.

Les réseaux de neurones graphiques améliorent la vitesse et la précision de l'estimation d'état dans les systèmes électriques.

Combiner des méthodes traditionnelles et l'apprentissage automatique pour améliorer les réseaux de transport urbain.

Un nouveau cadre améliore les performances dans le traitement des données graphiques.

Grad-Align+ améliore l'alignement des réseaux sans avoir besoin d'infos supplémentaires.

Gelato propose une méthode plus simple et efficace pour la prédiction de liens dans les réseaux.

Une nouvelle méthode améliore l'apprentissage de l'attention dans les modèles de graphes en utilisant le raisonnement causal.

Améliorer l'infrastructure des bidonvilles en utilisant l'IA pour rendre l'accès plus facile et réduire les coûts.

DEGREE améliore l'explicabilité des réseaux de neurones graphiques, rendant tout plus transparent.

Le cadre MCGLPPI combine la modélisation CG et l'apprentissage machine pour prédire efficacement les interactions protéiques.

Un nouveau modèle améliore la classification semi-supervisée dans les GNN grâce à une diffusion optimisée au niveau des nœuds.

Graph U-Net améliore l'imagerie EIT grâce à une précision et une rapidité accrues.

Une nouvelle méthode pour améliorer les Graph Neural Networks en utilisant des framelets et le p-Laplacien.

Une méthode pour apprendre de la structure complète des bases de données relationnelles, améliorant la représentation des données.

Explore les bases et les applications de l'apprentissage profond et de sa variante géométrique.

Cet article parle de comment les GNN améliorent les prédictions de flux d'air sur les ailes.

Nouveau simulateur qui prédit le comportement des flux granulaires en utilisant des réseaux de neurones graphiques.

On étudie comment les explications améliorent la compréhension des réseaux de neurones graphiques.

Les réseaux de neurones de sous-graphes unis améliorent l'analyse des graphes en capturant des structures locales.

Une nouvelle approche améliore l'efficacité de l'entraînement des GNN sur de grands graphes en utilisant des techniques avancées.

DeepGate2 améliore l'apprentissage de la représentation des circuits pour une automatisation de la conception électronique efficace.

Utiliser des GNN pour analyser la géométrie des 3-manifolds plombés.

Une étude sur le biais de position des étiquettes dans les GNN et son impact sur la performance.

De nouvelles approches visent à améliorer la performance et la généralisation des GCN.

Voici DrugChat, un système pour améliorer la découverte de médicaments grâce à des questions interactives et à l'analyse de données.

Une nouvelle approche utilise des réseaux de neurones graphiques pour améliorer le couplage des utilisateurs dans les systèmes sans fil.

Un nouveau modèle améliore les prévisions de la propagation du COVID-19 en Nouvelle-Zélande.

Un nouveau modèle améliore la précision dans la prédiction des conditions de circulation.

Combiner la réécriture de graphes avec des GNN pour l'analyse dynamique des données.

Une nouvelle approche améliore la recherche sur les réseaux cérébraux en utilisant des réseaux de neurones graphiques.

Un nouveau modèle améliore la performance des GNN avec des données de graphes incomplètes.

Un nouveau cadre améliore la détection des chemins d'attaque cyber.

Nouvelles techniques boostent l'efficacité et l'expressivité dans l'analyse de graphes.

Examiner des méthodes de re-câblage pour améliorer la performance des réseaux de neurones graphiques et résoudre les problèmes clés.

Une nouvelle approche pour renforcer la sécurité dans les réseaux sans fil militaires.

Cet article examine les attaques d'inférence d'attributs sur les GNN et leur impact sur la vie privée.

Un aperçu de l'importance de l'explicabilité dans les GNN.