PulseAugur
中
实时 15:02:40
English(EN) OgBench: A Framework for Evaluating Graph Neural Networks on Omics Data

新的OgBench框架在组学数据上评估GNN

作者 PulseAugur 编辑部 · [1 个来源] ·

研究人员推出OgBench，一个专门用于评估组学数据的图神经网络（GNN）的新框架。这类生物数据存在一个独特的挑战，即样本数量远小于节点数量，这种情况是标准GNN通常难以应对的。OgBench旨在通过提供标准化的基准测试平台和开源基础设施，促进更适合这些低样本、高节点生物图的GNN架构的开发。 AI

影响 为低样本、高节点的生物数据中的GNN建立了一个新的基准，可能指导组学和AI领域的未来研究。

排序理由 该集群包含一篇研究论文，介绍了一种针对特定类型机器学习模型和数据的新的基准测试框架。[lever_c_demoted from research: ic=1 ai=1.0]

在 arXiv cs.LG 阅读 →

AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →

报道来源 [1]

  1. arXiv cs.LG TIER_1 English(EN) · Louisa Cornelis, Johan Mathe, Louis Van Langendonck, Guillermo Bern\'ardez, Nina Miolane ·

    OgBench: A Framework for Evaluating Graph Neural Networks on Omics Data

    arXiv:2605.15511v2 Announce Type: replace Abstract: Graph Neural Networks (GNNs) have become the dominant framework for inductive graph-level learning. Yet most benchmarks focus on the regime $n \gg p$, where the number of graphs $n$ greatly exceeds the number of nodes per graph …

相关实体

相关话题