Articoli più recenti per Reti Neurali Grafico

Un framework migliora le GNN utilizzando attributi testuali nelle strutture grafiche.

Esplorare come i transformer affrontano in modo efficace vari compiti di ragionamento sui grafi.

Presentiamo MAGE: un approccio innovativo per spiegare le Graph Neural Networks in chimica.

Nuovo framework migliora le previsioni analizzando serie di dati interconnesse.

Un nuovo approccio migliora i sistemi di raccomandazione usando testi e immagini.

Un nuovo metodo migliora la comunicazione nel processo di elaborazione dei dati grafici.

Un nuovo framework combina GNN e LLM per ottenere risposte migliori dai grafi di conoscenza.

Presentiamo GEM, una soluzione veloce e precisa per le equazioni di Maxwell usando reti neurali grafiche.

Questo approccio migliora il confronto delle funzioni nel software attraverso i call graphlets.

GNAN combina interpretabilità e accuratezza per modelli di intelligenza artificiale basati su grafi.

Un nuovo modo per potenziare le GNN contro rumore e attacchi.

HOGE migliora le spiegazioni delle Reti Neurali Grafiche usando complessi cellulari.

Un nuovo modo per integrare i trasformatori con strutture grafiche per risultati migliori.

Esplorando strategie per migliorare le reti neurali grafiche e affrontare le sfide dell'oversmoothing.

Questa ricerca si concentra sul miglioramento delle GNN usando l'apprendimento self-supervisionato e l'allineamento delle feature.

Nuovo metodo migliora le previsioni per i pazienti di cancro ai polmoni a rischio di recidiva.

Le reti neurali a grafo accelerano le valutazioni di sicurezza nei sistemi elettrici.

Ehi, presentiamo GENIE, un metodo di watermarking per proteggere le reti neurali grafiche dai furti.

Questo studio introduce le GNN per migliorare il matching online in diverse piattaforme digitali.

Un approccio innovativo migliora la rilevazione delle vulnerabilità nella sicurezza del software usando modelli avanzati.

Un nuovo metodo per migliorare l'accuratezza della mappatura dei segnali mobili usando tecnologie avanzate.

Nuovo metodo svela vulnerabilità nei metodi di spiegazione delle GNN.

Nuovo modello migliora le simulazioni di sistemi fisici usando tecniche di apprendimento automatico.

Nuova architettura GNN migliora le previsioni grazie a una maggiore espressività e integrazione dei frammenti.

Analizzando gli impatti delle energie rinnovabili sulla stabilità della rete elettrica usando tecniche di machine learning.

Combinare approcci per migliorare le previsioni delle interazioni tra sostanze.

Un nuovo modello offre maggiore chiarezza ed efficienza nel riempire le lacune dei grafi conoscitivi.

Introducendo un sistema veloce ed efficiente per recuperare parti CAD usando reti neurali grafiche.

Una nuova misura, GGD, migliora il modo in cui valutiamo somiglianze e differenze nei grafici.

P3GNN migliora il rilevamento APT proteggendo la privacy dei dati nelle reti SDN.

Spiegare le decisioni delle GNN usando regole di attivazione migliora la fiducia e la comprensione.

Un nuovo modello a doppio trasformatore migliora le previsioni sui tempi di esecuzione dall'analisi del codice sorgente.

Un nuovo metodo migliora la condivisione dei dati per un'efficace formazione delle GNN.

I nuovi modelli migliorano l'accuratezza nella previsione dell'uso del suolo urbano e migliorano la pianificazione.

CoDreamer migliora la cooperazione tra gli agenti in ambienti dinamici.

AMBER usa l'apprendimento automatico per automatizzare la generazione di mesh per simulazioni ingegneristiche.

Un nuovo framework valuta i metodi di condensazione dei grafi per migliorare l'efficienza dell'apprendimento automatico.

Una nuova tecnica migliora le prestazioni delle reti neurali grafiche su grandi dataset.

Le Reti Neurali Grafiche migliorano l'analisi delle immagini istopatologiche, rendendo la diagnosi delle malattie migliore.

I graphcodes migliorano l'analisi topologica dei dati per avere informazioni più utili in set di dati complessi.