Taufikur Rahman Fuad
PulseAugur coverage of Taufikur Rahman Fuad — every cluster mentioning Taufikur Rahman Fuad across labs, papers, and developer communities, ranked by signal.
1 天有情绪数据
-
KAIROS 框架使用库普曼算子进行高级动态图学习
研究人员开发了 KAIROS，一种用于动态图对比学习的新型自监督框架。该方法通过嵌入可微库普曼算子来显式建模时间演化，该算子使节点表示随时间的变化线性化。KAIROS 在九个基准的异常检测方面取得了最先进的成果，比之前的方法在 ROC-AUC 分数上高出 23.15 分，同时在无监督节点分类方面也保持了竞争力。
-
新方法应对零样本图异常检测 · 2篇论文
两篇新研究论文提出了零样本图异常检测的新方法，这是一种旨在识别未见图数据中异常模式的技术。第一篇论文介绍了RINSE，一个无需目标标签或梯度即可估计目标正常性和表示校准的框架。第二篇论文提出了GAD-MoRE，它利用黎曼专家混合模型来模拟不同几何属性下的异常模式，并提高跨域泛化能力。两种方法在零样本设置下均表现出优于现有方法的性能。
-
新研究探讨基于LLM和谱方法进行知识图谱补全 · 跟踪3个来源
三篇新研究论文介绍了知识图谱补全（KGC）的新方法，该任务侧重于预测知识图谱中缺失的链接。arXiv上发布的PEARL使用基于路径-实体对齐的关系学习框架，结合上下文子图和LLM引导的检索器来改进归纳式KGC。另一篇论文QUEST通过使用图拉普拉斯的谱信息初始化实体嵌入并采用计划图平滑正则化器来处理不确定的知识图谱。第三篇论文CoSC将离散结构编码与LLM方法中的相似实体信息相结合，以提高KGC性能。
-
新的AQUA20数据集旨在解决具有挑战性的水下物种分类问题
研究人员推出了AQUA20，这是一个旨在改进水下物种分类的新基准数据集。该数据集包含20种海洋物种的8,171张图像，经过专门策划，以应对浊度、低光照和遮挡等挑战。对十三种深度学习模型进行了实验，其中ConvNeXt在90.69%的Top-1准确率和88.92%的F1分数方面表现出最高的准确率，尽管其他模型也显示出不同的性能权衡。该研究还包括使用GRAD-CAM和LIME进行的解释性分析，以解释模型行为。