Antonio G. Marques

Un nuovo metodo migliora la deconvoluzione cieca nei segnali grafici nonostante informazioni imperfette.

Un metodo per prevedere informazioni mancanti nei nodi di un grafo utilizzando strutture locali.

Usare modelli avanzati per prevedere e gestire la resistenza antimicrobica negli ambienti sanitari.

Un nuovo approccio per capire le strutture dei grafi dai segnali dei nodi.

Un nuovo algoritmo affronta le sfide nell'ottimizzazione bilevel con vincoli accoppiati.

Un nuovo approccio prevede il rischio di resistenza ai farmaci multipli nei pazienti in terapia intensiva usando i dati dei pazienti.

Uno sguardo all'algoritmo D-PGPD per prendere decisioni in spazi continui.

Un metodo per tenere traccia delle connessioni che cambiano nelle reti per prendere decisioni migliori.

AAGCN migliora come i GNN imparano da strutture dati complesse.

Un nuovo modo di capire le reti anche se ci manca qualche informazione.

XST-GCNN aiuta a prevedere la resistenza a più farmaci nei pazienti in terapia intensiva usando analisi dati avanzate.

Scopri come gli approcci ai grafi duali migliorano l'analisi dei dati e le previsioni.

Scopri come i tensori a bassa rango semplificano le previsioni in sistemi complessi.

I ricercatori migliorano le GNN per fare previsioni migliori in relazioni di dati complesse.