PulseAugur
中
实时 09:22:16

Graph Set Transformer 融合局部和集合上下文以进行图学习

作者 PulseAugur 编辑部 · [1 个来源] ·

研究人员开发了一种名为图集变换器（Graph Set Transformer, GST）的新型神经网络架构，用于在图集上进行学习。与先前需要单独图嵌入的模型不同，GST 在每一层都将节点级特征传播与集级上下文建模相结合。这种新颖的方法能够更好地融合局部结构和集级上下文，与现有基线相比，在反应预测和图像分类等任务上取得了更好的性能。 AI

影响 引入了一种新颖的图学习架构，有望提高复杂关系数据集的性能。

排序理由 该集群包含一篇介绍新神经网络架构的学术论文。[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) · Jose E. Escrig Molina, Baoquan Chen, Daniel Probst ·

    Graph Set Transformer

    arXiv:2606.05116v1 Announce Type: new Abstract: We introduce the Graph Set Transformer (GST), a neural network architecture for learning on sets of graphs, designed for tasks in which per-element predictions depend on set-wide context as well as local structure. Existing architec…

相关话题