PulseAugur
中
实时 11:54:31
实体 graph neural network

graph neural network

PulseAugur coverage of graph neural network — every cluster mentioning graph neural network across labs, papers, and developer communities, ranked by signal.

Show in brief
总计 · 30天
47
90 天内 277
发布 · 30天
0
90 天内 0
论文 · 30天
47
90 天内 276
层级分布 · 90 天
主题
关系
情绪 · 30 天

12 天有情绪数据

最近 · 第 1/10 页 · 共 200 条
  1. TOOL · CL_366325 ·

    AI干预在新加坡大规模研究中促进体育活动

    一篇新研究论文详细介绍了“Co-Pilot for Health”的开发和功效,这是一个旨在通过个性化数字干预来改善人口健康结果的AI驱动平台。该平台利用基于图神经网络的推荐系统以及来自可穿戴设备的精细健康行为数据。在一项涉及新加坡84,000多名参与者的为期12周的研究中,与对照组相比,接受AI优化干预的参与者在日常体育活动和中高强度体育活动方面有了统计学上的显著增加。该系统还表现出强大的参与度指标,干预信息的打开率很高,用户对其有…

  2. TOOL · CL_366174 ·

    混合GNN框架预测股骨应力,优于FEA

    研究人员开发了一种新颖的混合图神经网络(GNN)框架来预测股骨应力,解决了传统有限元分析(FEA)的计算限制。提出的GCN-SAGE-Residual架构有效地模拟了网格元素内的空间依赖性和应力传播,其性能优于评估的其他14个模型。该方法为骨科分析和骨折风险评估提供了一种计算效率高​​的替代方案,实现了0.8022的R^2得分和2.879 MPa的平均绝对误差。相关代码可在GitHub上获取。

  3. TOOL · CL_366148 ·

    图神经网络通过物理信息损失改进潮流泛化能力

    研究人员探索了改进基于图神经网络的潮流模型在分布外泛化能力的方法。他们的研究系统地评估了物理信息损失、多网格训练和基于扰动的数据增强。研究结果表明,与监督方法相比,物理信息损失增强了迁移学习,而对边属性进行基于扰动的数据增强可将性能提高高达54.6%。在较小系统上进行的多网格训练显示出与单网格训练相当的结果,但未能完全弥合与目标网格训练之间的差距。

  4. RESEARCH · CL_363828 ·

    新型规划器协调具有不确定任务的异构人工智能团队

    一篇新研究论文介绍了一种分层规划器,旨在协调面临具有不确定需求任务的异构智能体团队。该规划器利用图神经网络策略进行动作分配,并使用最短路径算法进行导航,由新颖的 CAAT 图结构表示。该方法在同时发现任务需求和完成任务方面表现出更高的效率,并在未见过的环境中展现出零样本规划能力。

  5. TOOL · CL_360492 ·

    DeepBA:图神经网络学习用于三维重建的捆绑调整

    研究人员开发了深度捆绑调整(DeepBA),这是一种新颖的图神经网络,旨在从多视图的二维匹配中重建相机姿态、内参和场景结构。与解决非线性最小二乘问题的传统捆绑调整方法不同,DeepBA学习从几何残差中迭代地优化估计,从而无需复杂的初始化即可从冷启动开始收敛。通过尺度不变监督进行训练,它可以处理具有不同度量单位的数据集。与以前的学习方法相比,DeepBA在场景重建和姿态度量方面表现出优越的性能,同时在精度方面与经典的运动恢复结构(SfM…

  6. TOOL · CL_356631 ·

    GNN与TCN结合用于ECG异常检测

    研究人员开发了一个新颖的流程,将时间卷积网络(TCN)与图神经网络(GNN)相结合,以检测心电图(ECG)信号中的异常。这种方法将时间序列数据构建为有向图,从而能够应用GNN来分析ECG数据。几何深度学习模型旨在通过利用TCN和GNN的能力来提高异常检测的准确性。

  7. TOOL · CL_364430 ·

    新的基准Breath-Dx解决了电子鼻疾病筛查中的传感器漂移问题

    研究人员推出了Breath-Dx,这是一个用于评估电子鼻(eNose)技术疾病筛查中时间序列分类模型的新基准。该基准利用了Scent of Health (S-OH) 数据集,该数据集包含来自九个诊断组的1,234名患者的数据,并考虑了传感器漂移这一关键的实际故障模式。评估显示,在现实的时间验证下,所有测试的模型家族的性能都显著下降,其中循环架构表现出最一致的结果。

  8. TOOL · CL_348758 ·

    新框架使用LLM和GNN进行自然语言人群模拟控制

    研究人员开发了CrowdDirector,一个旨在通过自然语言指令实时编排人群模拟的新颖框架。该系统采用大型语言模型(LLM)来解释用户指令并将其转换为结构化命令。然后,场景验证器确保这些命令与当前模拟环境兼容。CrowdDirector利用图神经网络根据活动指令和模拟状态为单个代理选择动作,在严格的基于规则的系统和持续的LLM控制之间提供了实用的平衡。

  9. TOOL · CL_342317 ·

    基于图的强化学习框架增强电网控制

    研究人员开发了一种新颖的基于图的分布式强化学习框架,用于管理现代电网,以应对可再生能源整合和网络扩展带来的挑战。该系统利用一个由低级智能体组成的网络,每个智能体都配备了图神经网络来解释本地网络拓扑,并由一个高级管理器智能体进行协调。该框架通过模仿学习和基于势奖励塑形提高了学习的稳定性和效率,在Grid2Op环境的实验中表现优于标准基线和传统方法。

  10. RESEARCH · CL_344341 ·

    新的SymFP方法使用谱分析为等变表示中的对称性进行指纹识别

    研究人员推出了一种名为谱对称指纹(SymFP)的新颖方法,用于利用等变表示来表征物理系统中的对称性。该技术利用这些表示的奇异值谱来识别结构对称性并跟踪对称性破缺。SymFP被设计为方向不变且架构无关,从而能够为图神经网络(GNNs)实现无参数实现。该方法在识别点群和揭示分子和生物组装等各种应用中的细微对称性变化方面已显示出准确性。

  11. TOOL · CL_349978 ·

    图神经网络解释因“删除保真度”定义而模糊不清

    研究人员发现,在评估图神经网络(GNN)解释时存在一个关键的歧义,特别是在“删除保真度”的概念上。该指标通常涉及移除排名靠前的边以评估对模型输出的影响,但“删除边”这一行为可以从两个不同的角度来解释:结构删除,它改变了图的整体结构;以及消息抑制,它阻止了边的消息传递而不改变图的上下文。研究发现,这两种干预只有在特定条件下才会重合,例如具有边集无关系数的加性消息传递。当不满足这些条件时,干预的选择会显著影响边归因的评估,从而导致对其保真…

  12. TOOL · CL_338453 ·

    图神经网络与链式连接特征在工资欺诈检测中的比较

    一篇新发表在arXiv上的研究论文详细介绍了在合成HR/ERP图表中检测工资欺诈方法的比较研究。该研究评估了传统的分析师规则、显式路径特征和图神经网络(GNNs),发现利用链式连接特征的梯度提升模型在整体链接平均精度方面表现最佳。这种方法优于GraIL风格的GNN,表明显著的多跳增益并非GNN独有。研究还探讨了标识符连接失败的影响以及匹配双胞胎在减少误报方面的有效性。

  13. RESEARCH · CL_337586 ·

    CIRCE 系统利用约束结构预测 LLM 任务复杂度

    研究人员开发了 CIRCE,一个新颖的系统,旨在预测大型语言模型 (LLM) 在尝试任务之前的复杂度。CIRCE 分析问题中固有的约束结构,将其转换为约束中间表示,该表示可编译为约束图。这种方法利用图神经网络 (GNN) 编码器,在预测各种推理基准和 LLM 的 LLM 回应正确性方面取得了改进,优于现有方法。

  14. TOOL · CL_327428 ·

    新的 B-EAGLe 框架通过顺序证据累积增强图学习

    研究人员推出了一种新颖的概率框架 B-EAGLe,用于动态数据驱动应用系统中的基于图的学习。该框架将图分类重新构建为顺序证据累积过程,灵感来自皮层-基底神经节-丘脑网络。B-EAGLe 集成了图神经网络编码器和贝叶斯累加器,该累加器在收到新观测数据时更新信念,仅在达到足够置信度时才做出决策。在 CIFAR10 上的实验表明,在顺序观测条件下具有竞争力的性能和原则性的置信度估计。

  15. TOOL · CL_327196 ·

    EnerGNN框架学习与优化兼容的能量函数以进行精确推理

    研究人员开发了EnerGNN,一个新颖的框架,用于学习组合优化问题的能量函数。这种基于图神经网络的方法与混合整数规划相结合,以确保在明确的硬约束下的精确推理。EnerGNN在各种问题上都取得了成功,包括二次背包问题和组合拍卖问题,获得了接近最优和可行的解决方案。

  16. TOOL · CL_326911 ·

    联邦学习增强跨银行反洗钱检测能力

    研究人员开发了一种使用联邦学习和图神经网络的新型反洗钱(AML)方法。该方法允许银行在不交换敏感账户数据的情况下,检测跨越独立交易图谱的洗钱模式。研究发现,即使数据碎片化增加,使用已记录交易来近似远程账户状态也能带来最显著的检测收益。共享精确的远程状态效果较差,因为隐私保护措施往往会降低其检测价值。

  17. TOOL · CL_330303 ·

    新的EH-Fusion框架解决了双曲图学习中的欧氏拥挤问题

    研究人员开发了一个名为EH-Fusion的新框架,以解决双曲图表示学习中的欧氏拥挤问题。该框架提供了欧氏拥挤的几何量化以及双曲几何为何在分层数据上表现优异的理论解释。EH-Fusion自适应地融合了欧氏和双曲表示,在基准数据集上表现强劲。

  18. TOOL · CL_328564 ·

    新方法筛选双边匹配市场中的公平性编辑

    研究人员开发了一种闭式线性投影仪,可以在推理时减少受保护属性在双边匹配系统中的影响。该方法旨在通过限制此类编辑引起福利变化来确保公平性。结合垂直性测试和福利扫描的部署前屏幕将市场分为 PASS、KILL 或 OUT-OF-SCOPE。该系统在合成和现实市场中进行了测试,表明架构选择(例如使用双塔或图神经网络编码器)会影响事后编辑的可接受性。

  19. TOOL · CL_321707 ·

    新的扩散强化学习方法改进三维装箱

    研究人员开发了一种新的扩散强化学习方法来解决在线三维装箱问题。该方法将空间启发式策略与扩散强化学习框架相结合,以提高在动态场景下的泛化能力和适应性。该方法利用图神经网络来更好地感知空间拓扑结构,并结合复合奖励函数来最小化空间碎片,以实现更优化的布局。

  20. RESEARCH · CL_324461 ·

    基于 CFL 条件的图神经网络增强双曲输运建模

    研究人员开发了一种新的图神经网络(GNN)方法,以更好地模拟双曲偏微分方程(PDE),这些方程通常涉及激波和不连续性等复杂现象。所提出的方法将 Courant-Friedrichs-Lewy (CFL) 条件作为 GNN 架构内的边缘局部信号进行集成。这种条件有助于 GNN 理解信息需要传播多远以及沿着哪个边缘传播,从而在不模糊解的情况下将最终步骤的误差减少 10.4-14.4%。当边缘表示已经区分了相互作用方向与空间尺度时,CFL …