实体
large graphs
large graphs
PulseAugur coverage of large graphs — every cluster mentioning large graphs 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
情绪 · 30 天
1 天有情绪数据
最近 · 第 1/1 页 · 共 2 条
-
新框架实现大规模图拓扑深度学习的扩展
研究人员开发了Cluster-TNN，一个旨在提高大规模图拓扑深度学习可扩展性的新框架。传统的全域训练方法由于计算需求巨大，难以处理Reddit等海量数据集。Cluster-TNN通过划分图并动态采样节点簇来创建小批量，从而在这些批次中构建高阶拓扑结构，解决了这一问题。这种方法显著降低了GPU内存使用量（平均降低83.2%），同时保持了有竞争力的性能，使得在以前无法处理的数据集上训练复杂的拓扑神经网络成为可能。
-
Eppstein-Wang算法为大图提供精确的平均距离估计
研究人员评估了大网络中平均距离的估计方法，这是一项计算密集型任务。他们发现基于随机游走的方法不可靠且成本高昂，而基于地标的方法，特别是Eppstein-Wang (EW)算法，表现出卓越的性能。EW算法在计算时间短的情况下实现了高精度，在实验中误差率低至0.02%。研究表明，使用大约100个随机选择的节点子集足以对大多数大图进行准确估计，并且EW算法在单部图中比二部图更可靠。