Temporal Graph Networks

Graph Neural PDEs

AI GitHub リポジトリ

グラフ学習を連続的な拡散プロセスとして扱うグラフニューラルネットワーク（GNN）のための Python コードを提供するオープンソースプロジェクトです。GRAND および BLEND モデルを実装し、過平滑化や深さの制限といった一般的なグラフ学習の課題に対処するための新しいアプローチを提供します。Graph Neural PDEs は、グラフ学習を連続的な拡散プロセスとして扱うグラフニューラルネットワーク（GNN）のための Python コードを提供するオープンソースプロジェクトです。GRAND および BLEND モデルを実装し、過平滑化や深さの制限といった一般的なグラフ学習の課題に対処するための新しいアプローチを提供します。

グラフ畳み込みネットワーク（GCN）は、グラフ構造のデータを処理するために設計されたニューラルネットワークの一種です。畳み込みニューラルネットワークをグラフ構造データに一般化し、半教師あり学習やグラフ埋め込みにおける強力な応用を可能にします。このモデルは、複雑なネットワークデータの分析に新しいアプローチを提供します。

CompGCN

AI GitHub リポジトリ

Composition-Based Multi-Relational Graph Convolutional NetworksのPyTorch実装です。知識グラフのリンク予測などのタスク向けに高度なグラフ表現学習を可能にし、柔軟な合成演算と様々なスコアリング関数との互換性を提供します。CompGCNは、Composition-Based Multi-Relational Graph Convolutional NetworksのPyTorch実装です。知識グラフのリンク予測などのタスク向けに高度なグラフ表現学習を可能にし、柔軟な合成演算と様々なスコアリング関数との互換性を提供します。

Relational Graph Convolutional Networks

AI GitHub リポジトリ

このプロジェクトは、Relational Graph Convolutional Networks（R-GCN）の Keras ベースの実装を提供します。有向リレーショナルグラフ上での半教師ありノード分類向けに設計されています。論文「Modeling Relational Data with Graph Convolutional…

DGCNN

AI GitHub リポジトリ

Dynamic Graph CNNを実装した点群学習用AIモデルです。分類やセグメンテーションなどの3D点群データ処理タスクで最先端の性能を達成しています。PyTorch実装が利用可能で、実世界のシナリオにも応用されています。DGCNNは、Dynamic Graph CNNを実装した点群学習用AIモデルです。分類やセグメンテーションなどの3D点群データ処理タスクで最先端の性能を達成しています。PyTorch実装が利用可能で、実世界のシナリオにも応用されています。

Graph Attention Networks

AI GitHub リポジトリ

グラフ構造化データ向けに設計された新しいニューラルネットワークアーキテクチャです。マスクされた自己注意機構レイヤーを活用し、従来のグラフ畳み込み手法の限界に対処することで、ソーシャルネットワークや分子データのような不規則な空間構造に対して原理的な操作を可能にします。Graph Attention Networks (GATs) は、グラフ構造化データ向けに設計された新しいニューラルネットワークアーキテクチャです。マスクされた自己注意機構レイヤーを活用し、従来のグラフ畳み込み手法の限界に対処することで、ソーシャルネットワークや分子データのような不規則な空間構造に対して原理的な操作を可能にします。

SEAL リンク予測

AI GitHub リポジトリ

リンク予測問題を部分グラフ分類タスクに変換する新しいフレームワークです。h-ホップ包囲部分グラフとノード情報行列を抽出し、それらをグラフニューラルネットワークに入力します。SEALは、グラフ構造と潜在的/明示的なノード特徴の両方から同時に学習し、正確なリンク予測を行います。SEALは、リンク予測問題を部分グラフ分類タスクに変換する新しいフレームワークです。h-ホップ包囲部分グラフとノード情報行列を抽出し、それらをグラフニューラルネットワークに入力します。SEALは、グラフ構造と潜在的/明示的なノード特徴の両方から同時に学習し、正確なリンク予測を行います。

LSTNet

AI GitHub リポジトリ

時系列予測のために設計されたディープラーニングモデルです。リカレントニューラルネットワークと畳み込みニューラルネットワークを組み合わせることで、長期および短期の時間的パターンを効果的にモデル化します。このモデルは、特に複雑な時系列データに有用です。LSTNetは、時系列予測のために設計されたディープラーニングモデルです。リカレントニューラルネットワークと畳み込みニューラルネットワークを組み合わせることで、長期および短期の時間的パターンを効果的にモデル化します。このモデルは、特に複雑な時系列データに有用です。