实体
Krishna Sri Ipsit Mantri
Krishna Sri Ipsit Mantri
PulseAugur coverage of Krishna Sri Ipsit Mantri — every cluster mentioning Krishna Sri Ipsit Mantri across labs, papers, and developer communities, ranked by signal.
总计 · 30天
1
90 天内 2
发布 · 30天
0
90 天内 0
论文 · 30天
1
90 天内 2
层级分布 · 90 天
主题
情绪 · 30 天
1 天有情绪数据
最近 · 第 1/1 页 · 共 2 条
-
FLASH机制增强时序图神经网络性能
研究人员开发了FLASH，一种旨在提高时序图神经网络（TGNNs）性能的新型机制。FLASH是一种可学习且图自适应的邻域选择方法，解决了TGNNs中当前使用的静态采样启发式方法的局限性。通过无缝集成并使用自监督排序损失进行端到端训练，FLASH在各种基准测试中均显示出持续且显著的性能提升，为未来链接预测提供了从历史交互中聚合时序信号的更有效方法。
-
新的ALL-IN方法实现了跨不同数据集的可迁移图模型
研究人员开发了一种名为ALL-IN的新方法，以解决图学习中输入特征空间不对齐的挑战。该技术将节点特征投影到一个共享的随机空间中，使模型能够跨具有不同特征特征的数据集进行泛化。ALL-IN在未见过的数据集上表现出强大的性能，无需架构更改或重新训练，为更具可迁移性的图基础模型铺平了道路。