实体
Heterogeneous Graph Attention Network
Heterogeneous Graph Attention Network
PulseAugur coverage of Heterogeneous Graph Attention Network — every cluster mentioning Heterogeneous Graph Attention Network across labs, papers, and developer communities, ranked by signal.
总计 · 30天
2
90 天内 2
发布 · 30天
0
90 天内 0
论文 · 30天
2
90 天内 2
层级分布 · 90 天
主题
最近 · 第 1/1 页 · 共 2 条
-
新的GUIDED层增强了GNN在交通分配中的应用，并缩短了训练时间
研究人员开发了一种新颖的网络无关初始化层，称为几何无约束归纳需求嵌入（GUIDED），以解决图神经网络（GNN）在交通规划中使用的空间泛化差距。该方法通过将出行需求视为虚拟链路上的标量属性来标准化输入空间，从而使异构图注意力网络（HetGAT）等GNN模型能够更有效地迁移到新的城市环境。GUIDED层不仅保持了高预测精度和对不同需求模式的鲁棒性，而且将训练时间缩短了约50%，并促进了参数高效的域适应。
-
New research predicts multi-vulnerability attack chains using SBOM graphs
研究人员开发了一种新颖的方法，通过利用软件物料清单（SBOM）数据来预测软件供应链中的多漏洞攻击链。该方法将SBOM视为依赖约束证据图，整合了组件和漏洞信息。训练了一个异构图注意力网络（HGAT）来对与漏洞相关的组件进行分类，准确率达到91.03%，F1分数达到74.02%。此外，还使用多层感知器（MLP）模型来预测级联漏洞，在已记录的攻击链上展示了0.93的ROC-AUC。