实体
graph neural networks
graph neural networks
PulseAugur coverage of graph neural networks — every cluster mentioning graph neural networks across labs, papers, and developer communities, ranked by signal.
总计 · 30天
63
90 天内 63
发布 · 30天
0
90 天内 0
论文 · 30天
62
90 天内 62
层级分布 · 90 天
关系
时间线
- 2026-05-25 research_milestone Researchers proposed new polynomial-time algorithms for explaining Graph Neural Networks. 来源
- 2026-05-13 research_milestone A new graph neural network architecture was introduced for the multicut problem. 来源
- 2026-05-11 research_milestone A new method for pre-training GNNs using ECFPs shows improved performance in QSAR tasks. 来源
情绪 · 30 天
13 天有情绪数据
最近 · 第 4/4 页 · 共 63 条
-
物理信息图神经网络改进泰国极端降雨预报
研究人员开发了一种新颖的物理信息图神经网络（GNN）模型，并结合极值分析，以增强泰国长期极端降雨的预报能力。该模型利用气象站的图结构表示，并纳入了影响区域降雨的气候指数——遥相关性。该方法采用了注意力长短期记忆（Attention-LSTM）架构和用于极端事件的空间季节感知广义帕累托分布（Spatial Season-aware Generalized Pareto Distribution）方法，与现有基线和业务系统SEAS5相比，…
-
深度学习革新晶体结构预测与分析
研究人员开发了新的深度学习方法用于晶体结构预测和分析。其中一种方法 CrystalX 使用深度学习自动化常规的 X 射线衍射分析，其性能优于现有的自动化方法，甚至能识别同行评审出版物中的错误。另一种方法采用图神经网络进行组合优化，通过高效地分配原子来预测晶体结构，在与商业求解器的竞争中表现出竞争力。
-
GNNs 实现离散结构构件状态的贝叶斯反演
研究人员开发了一个新的贝叶斯反演框架，使用概率图模型（PGMs）来推断结构构件的健康状态。该方法解决了高维离散状态参数的似然函数构建和边际似然计算中的挑战。该框架利用图神经网络（GNNs）进行推断，并采用基于图属性的训练策略，以确保在不同图尺度上的准确性并降低计算成本。