Derniers articles pour Réseaux de neurones graphiques

Présentation du Directional Graph Attention Network pour améliorer l'apprentissage des nœuds dans des graphes complexes.

Un nouveau cadre améliore le pré-entraînement des graphes en sélectionnant et en pondérant les tâches de manière efficace.

Une nouvelle méthode utilise l'apprentissage automatique pour détecter efficacement les erreurs dans les programmes MPI.

Les robots peuvent mieux se déplacer en cherchant activement des infos sur leur environnement.

Un nouveau modèle cible efficacement les nœuds dans les GNN avec un minimum de changements.

Une nouvelle méthode améliore la traduction de molécules-captions en utilisant des modèles de langage large.

K-Link améliore l'analyse des données MTS grâce à une meilleure compréhension des interactions des capteurs.

Un nouveau cadre améliore les suggestions d'articles en équilibrant l'influence sociale et les préférences des utilisateurs.

AnisoGNN utilise l'IA pour prédire les propriétés des matériaux polycristallins avec moins de données.

Une méthode rapide et efficace pour le traitement de graphes sans modèles complexes.

Cette étude explore comment la prise en compte de la topologie affecte les performances et l'équité des réseaux de neurones graphiques.

Une nouvelle méthode améliore les GNN en boostant la reconnaissance de la structure des graphes.

Explorer l'homomorphisme de graphique pour améliorer les capacités de généralisation des GNN.

Comprendre comment les réseaux de neurones graphiques modélisent des relations complexes dans les données.

Une nouvelle méthode améliore les performances des GNN en utilisant des sous-graphes d'explication.

Une méthode pour évaluer l'impact de la suppression d'un utilisateur sur les opinions du réseau.

Une étude révèle les facteurs qui influencent la performance des GCN à une seule couche sur différents modèles de données.

Une nouvelle méthode pour améliorer l'entraînement des modèles à partir de données graphiques bruyantes.

Une nouvelle méthode améliore les capacités d'apprentissage des réseaux de neurones graphes.

E-SHARC améliore l'identification des locuteurs dans différents environnements audio.

Une nouvelle méthode améliore les simulations de dynamique des fluides en utilisant des réseaux de neurones.

Explorer de nouveaux modèles pour une meilleure analyse des données graphiques.

Examiner le rôle de l'apprentissage profond dans l'analyse d'images médicales et les menaces adversariales.

Des méthodes innovantes améliorent les expressions faciales 3D pour des personnages numériques réalistes.

Un nouveau protocole améliore l'efficacité de l'entraînement des réseaux de neurones graphes en utilisant le CPU et le GPU.

CANOS prédit des solutions de flux de puissance presque optimales rapidement pour des réseaux électriques complexes.

Une nouvelle méthode améliore les recommandations en utilisant des embeddings adaptables et une gestion efficace des ressources.

Une nouvelle méthode d'IA améliore la planification dans des environnements de tâches incertains.

La recherche explore comment la structure du réseau est liée à la stabilité en utilisant des méthodes avancées.

Examination des GNN pour classifier les événements de collision de particules.

Un nouveau modèle transforme les prédictions de rétrosynthèse en utilisant des réseaux de neurones graphiques.

Une nouvelle méthode, DepGraph, améliore la précision de la détection des bugs logiciels.

Voici Smart, une méthode pour améliorer les performances des GNN dans des graphes en évolution.

Utiliser l'apprentissage profond pour améliorer l'efficacité des transports en commun et réduire les coûts.

Une nouvelle méthode améliore la précision de localisation GNSS dans les villes avec de grands bâtiments.

Une nouvelle méthode utilisant l'apprentissage profond s'attaque aux pannes en cascade dans des réseaux complexes.

Un nouveau modèle améliore les prévisions sur la performance des tensioactifs en fonction de la température.

Une nouvelle approche pour estimer les effets causaux dans les réseaux sociaux.

De nouvelles méthodes améliorent la détection des anomalies dans les systèmes de détection d'intrusions réseau.

Améliorer la sécurité des logiciels en détectant les vulnérabilités avant qu'elles ne soient exploitées.