实体
Simple Graph Convolution
Simple Graph Convolution
PulseAugur coverage of Simple Graph Convolution — every cluster mentioning Simple Graph Convolution 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
-
新的逻辑框架为图神经网络提取紧凑的全局规则
研究人员开发了一个新的基于逻辑的框架，用于简单图卷积（SGC）网络中的节点分类。该框架利用最小溯因解释作为提取全局逻辑规则的中间步骤。通过识别预测节点类别所需的关键节点特征对，系统训练决策树，从而产生紧凑且准确的全局规则，其性能优于先前依赖于潜在冗余解释子图的方法。
-
新框架优化图像分类训练数据选择
研究人员开发了一个新的图像分类框架，通过有效地选择代表性数据子集来解决在大数据集上训练的挑战。该框架称为 SCOre-Stratified Selection (SCOSS)，根据分数和每个区间内的样本对数据进行分区，并结合多次运行的集成聚合。实验表明，SCOSS 与现有方法相比具有竞争力，对于 Simple Graph Convolution (SGC) 分类器尤其有效，并且在准确性和效率之间提供了有利的权衡，尤其是在使用较少标记样本时。