Topological Neural Networks
PulseAugur coverage of Topological Neural Networks — every cluster mentioning Topological Neural Networks across labs, papers, and developer communities, ranked by signal.
-
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。
-
深度学习应用于拓扑学研究,增强了可扩展性和数学问题解决能力
两篇新研究论文探讨了深度学习在拓扑学问题中的应用。第一篇《拓扑等价类的深度学习》(Deep Learning of Topological Equivalence Classes)展示了深度学习架构如何用于解决纯粹的数学问题,特别是识别黎曼曲面上拓扑等价的有限群作用。第二篇论文介绍了“Cluster-TNN”,一个旨在通过避免全域训练的计算瓶颈来提高拓扑深度学习可扩展性的框架。Cluster-TNN通过动态采样节点簇并重建诱导子图以形…
-
拓扑神经网络通过CCWL测试获得统一框架
研究人员引入了组合复形Weisfeiler-Lehman(CCWL)测试,这是一个旨在统一和增强拓扑深度学习的新框架。这项新测试将Weisfeiler-Lehman测试扩展到组合复形,为拓扑神经网络提供了理论基础。提出的组合复形同构网络(CCIN)在基准测试中表现出色,为拓扑结构上的深度学习提供了更通用的表达能力。