会员服务
图注意力网络（Graph Attention Network，GAT），它通过注意力机制（Attention Mechanism）来对邻居节点做聚合操作，实现了对不同邻居权重的自适应分配，从而大大提高了图神经网络模型的表达能力。
GAL-MAD: Towards Explainable Anomaly Detection in Microservice Applications Using Graph Attention Networks
Arxiv
0+阅读 · 3月31日
Trustworthy Enhanced Multi-view Multi-modal Alzheimer's Disease Prediction with Brain-wide Imaging Transcriptomics Data
Arxiv
0+阅读 · 4月2日
GRAIN: Exact Graph Reconstruction from Gradients
Arxiv
0+阅读 · 3月3日
Development of a graph neural network surrogate for travel demand modelling
Arxiv
0+阅读 · 3月20日
Personalized Federated Learning via Learning Dynamic Graphs
Arxiv
0+阅读 · 3月7日
Multiview graph dual-attention deep learning and contrastive learning for multi-criteria recommender systems
Arxiv
0+阅读 · 2月26日
LiDAR Loop Closure Detection using Semantic Graphs with Graph Attention Networks
Arxiv
0+阅读 · 1月31日
Enhancing Link Prediction with Fuzzy Graph Attention Networks and Dynamic Negative Sampling
Arxiv
0+阅读 · 2月1日
Graph machine learning for flight delay prediction due to holding manouver
Arxiv
0+阅读 · 2月6日
Feature-based Graph Attention Networks Improve Online Continual Learning
Arxiv
0+阅读 · 2月13日
Tuning Algorithmic and Architectural Hyperparameters in Graph-Based Semi-Supervised Learning with Provable Guarantees
Arxiv
0+阅读 · 2月18日
Hybrid Near/Far-Field Frequency-Dependent Beamforming via Joint Phase-Time Arrays
Arxiv
0+阅读 · 1月25日
An Attentive Graph Agent for Topology-Adaptive Cyber Defence
Arxiv
0+阅读 · 2月18日
An Attentive Graph Agent for Topology-Adaptive Cyber Defence
Arxiv
0+阅读 · 1月30日
An Attentive Graph Agent for Topology-Adaptive Cyber Defence
Arxiv
0+阅读 · 1月24日
参考链接
父主题
网络表示学习
图深度学习
图神经网络
微信扫码咨询专知VIP会员
Top