洞見 - 그래프 신경망
그래프 신경망 모델 DuoGNN: 동질성과 이질성 상호작용 분리를 통한 토폴로지 인식 그래프 신경망
DuoGNN은 그래프 토폴로지를 활용하여 동질성과 이질성 상호작용을 분리하고, 이를 독립적으로 처리함으로써 장단거리 상호작용을 효과적으로 학습할 수 있는 확장성 있는 그래프 신경망 모델이다.
연속 커널을 이용한 일반적인 그래프 컨볼루션
연속 커널을 이용한 일반적인 그래프 컨볼루션 프레임워크를 제안하여, 기존 그래프 컨볼루션 기법의 한계를 극복하고 그래프 변환기와 동등한 표현력을 달성하였다.
그래프 체비셰프 근사를 이용한 합성곱 신경망의 성능 향상
체비셰프 다항식 근사를 이용하여 그래프 합성곱 신경망의 성능을 향상시킬 수 있다.
커플드 오실레이터에서 그래프 신경망으로: 쿠라모토 모델 기반 접근을 통한 오버-스무딩 감소
쿠라모토GNN은 오버-스무딩 현상을 줄이기 위해 새로운 클래스의 연속 깊이 그래프 신경망을 제안하며, 쿠라모토 모델과 상호 연결된 이론적 분석을 통해 이를 뒷받침합니다.
그래프 구조 학습 및 노드 임베딩을 위한 자기 주의 그래프 합성곱 신경망
그래프 구조 학습 및 노드 임베딩을 위한 자기 주의 그래프 합성곱 신경망의 효과적인 성능과 기능성을 소개합니다.
그래프 신경망의 일반화에 대한 연구
그래프 신경망의 일반화 능력 저하는 통계적 상관관계와 인과 추론을 통해 해결될 수 있습니다.