GNNs に関する最新の記事

エッジに焦点を当てたサブグラフ説明を使って、より明確なGNN予測を得る新しいアプローチ。

核断面積の正確な予測のためのディープラーニングの新しい手法。

新しいモデルが時系列分析の欠損データ処理を改善した。

GNN-Diffは、ハイパーパラメータを最適化することでGNNのトレーニング効率とパフォーマンスを向上させる。

Link2Docは、テキストとグラフ構造を組み合わせることでリンク予測を強化する。

DSAMは、先進的なディープラーニング技術を使って脳のつながりに新しい視点を提供するよ。

このアプローチは、コールグラフレットを使ってソフトウェアの関数比較を改善するよ。

この論文では、GNNとLLMを使ってKGQAのパフォーマンスを向上させる新しいアプローチを提案しているよ。

ノイズや攻撃に対抗するためのGNNを強化する新しいアプローチ。

重要なアプリケーションにおける敵対的攻撃のもとでのGNNエクスプレイナーの課題を探る。

グラフ構造とトランスフォーマーを組み合わせて、より良い結果を出すための新しいアプローチ。

新しいベンチマークがラベルノイズの課題の中でGNNのパフォーマンスを向上させる手助けをしているよ。

この記事では、データ分布のシフトによるリンク予測の課題を検討しています。

新しい指標、GGDは、グラフの類似点と相違点を評価する方法を改善する。

新しいデュアルトランスフォーマーモデルがソースコード分析からの実行時間予測を改善するよ。

複雑なグラフ構造に対するGNNを強化する新しい視点。

AMBERは機械学習を使って、エンジニアリングシミュレーションのメッシュ生成を自動化してる。

新しい技術が大規模データセットでのグラフニューラルネットワークのパフォーマンスを向上させる。

通勤グラフニューラルネットワークは、関係の洞察を強化することで、有向グラフの理解を深める。

ITEMフレームワークは、より良い推薦のためにGNNのトレーニングと評価を改善するよ。

GNNとRL技術は、電力網の運用の効率と適応性を高めるんだ。

マルチペプチドはデータモデルを組み合わせて、ペプチドの挙動予測を向上させるよ。

GraphMuseは、先進的な機械学習技術を使って、シンボリック音楽データの分析を簡素化するよ。

グラフトランスフォーマーとその様々な分野での応用について学ぼう。

Routing-by-MemoryがグラフニューラルネットワークにおけるMLPのパフォーマンスをどう向上させるかを発見しよう。

DeepGate3は、革新的なモデルアーキテクチャで回路設計の理解とスケーラビリティを向上させる。

新しいアプローチが、ユニークなインタラクションパターンを使って新しいアイテムの予測を向上させるんだ。

機械学習を使って分子シミュレーションの解釈性を高める。

新しい方法がノイズの多いデータでGNNのパフォーマンスを向上させる。

グラフ学習手法の公平性を評価するためのベンチマークを確立する。

新しい手法がGNNの不確実性推定を向上させて、材料エネルギーのモデル化に役立ってるよ。

新しいアプローチが、複雑な関係のタスクに対するGNNの推論能力を向上させる。

scTransNetフレームワークは、単一細胞RNAデータを使って遺伝子間の相互作用を理解するのに役立つ。

Wav2graphは、話された言語からナレッジグラフを作って、AIの理解を向上させるんだ。

新しい方法は、変化するデータ環境での推薦を強化することを目指している。

新しいGNNモデルが分子の表現を強化して、科学の予測をより良くするんだ。

この記事では、基本的な構造的特徴を使ったグラフの分類の新しい方法について話してるよ。

AIの手法が、科学者たちがさまざまな用途のために分子の特性を予測するやり方を変えてるよ。

新しい方法がLLwLCを使ってグラフニューラルネットワークのリンク予測を改善する。

データ発見と分析を強化して、より良い予測ができる新しい方法。