Articoli più recenti per GNNs

Nuovi metodi migliorano la velocità e l’efficienza nell’analisi dei dati delle collisioni delle particelle.

Il nuovo sistema hardware migliora la velocità e l'efficienza dell'inferenza GNN per applicazioni in tempo reale.

Questo articolo parla di metodi per migliorare il completamento dei grafi di conoscenza usando GNN e approcci basati su regole.

Questo metodo migliora la classificazione delle immagini mediche usando reti neurali grafiche.

Questo studio usa le GNN per analizzare i dati del bike-sharing e fare previsioni migliori sui modelli di utilizzo.

HQ-GNN migliora le raccomandazioni, riducendo la memoria e aumentando la velocità.

Questo studio valuta GNN avanzate per generare grafi molecolari in modo più efficace.

Questo studio esamina modelli di deep learning per prevedere il numero di visitatori nel turismo.

Un nuovo approccio GNN migliora l'accuratezza riducendo l'eccesso di smoothing.

Esplora come le GNN e i Grafi della Conoscenza migliorano le previsioni di collegamento in sanità.

Un approccio innovativo per classificare articoli di ricerca usando tecniche grafiche avanzate.

Un nuovo metodo di valutazione migliora la comprensione delle previsioni dei GNN.

Un nuovo modello migliora le previsioni sulla densità elettronica nella ricerca di catalisi.

Un nuovo modello affronta le sfide nelle reti neurali grafiche usando serie di potenze.

Un nuovo modello trasforma le ricette di cucina in grafici per capirle meglio.

Esaminando le sfide di equità nei GNN di fronte a distribuzioni di dati in cambiamento.

ARGO migliora la velocità e l'efficienza dell'addestramento GNN sui sistemi multi-core.

RC-GNN migliora l'interpretabilità e la precisione predittiva dei GNN grazie a metodi innovativi.

Nuovo metodo migliora la scoperta di materiali cristallini per la tecnologia e la sostenibilità.

BuffGraph migliora la classificazione per classi meno comuni nei dati di grafi sbilanciati.

L'Augmentation delle Hyperedge migliora i GNN catturando relazioni complesse nei dati.

PhenoLinker migliora la previsione delle associazioni gene-fenotipo usando tecniche avanzate di intelligenza artificiale.

I layout distribuzionali migliorano le performance delle GNN campionando strutture grafiche diverse.

Esaminando come le reti neurali grafiche prevedono efficacemente dati non visti.

K-Link migliora l'analisi dei dati MTS grazie a una migliore comprensione dell'interazione dei sensori.

Un metodo veloce ed efficiente per l'elaborazione dei grafi senza modelli complessi.

Uno sguardo a come le GNN analizzano i grafi e si adattano ai cambiamenti.

Un nuovo metodo migliora le prestazioni delle GNN utilizzando sottografi di spiegazione.

Un metodo per valutare l'impatto della rimozione di utenti sulle opinioni di rete.

Un nuovo metodo per migliorare l'addestramento dei modelli partendo da dati grafici rumorosi.

Introducendo strati GNN innovativi per analizzare dati complessi su varietà.

Un nuovo metodo migliora le simulazioni di dinamica dei fluidi usando reti neurali.

PowerGraph migliora l'analisi dei guasti nella rete elettrica grazie a tecniche di apprendimento avanzate.

La ricerca esplora come la struttura della rete si collega alla stabilità usando metodi avanzati.

Un nuovo metodo, DepGraph, migliora l'accuratezza nella rilevazione dei bug software.

Un nuovo metodo accelera i confronti degli alberi di unione nell'analisi dei dati scientifici.

Un nuovo modello migliora le previsioni sulle prestazioni dei tensioattivi in base alla temperatura.

Un nuovo approccio che usa reti neurali grafiche per simulazioni di materiali multiscala in modo efficiente.

Un nuovo approccio che usa RGCN migliora la classificazione del sentiment dai dati testuali.

Ecco TrainlessGNN per etichettare i nodi più velocemente nei TAG senza metodi di addestramento tradizionali.