Temporal Graph Networks

Graph Neural PDEs

AI GitHub 저장소

그래프 학습을 연속적인 확산 과정으로 취급하는 그래프 신경망(GNN)을 위한 Python 코드를 제공하는 오픈 소스 프로젝트입니다. GRAND 및 BLEND 모델을 구현하여 과도한 평활화 및 깊이 제한과 같은 일반적인 그래프 학습 문제를 해결하는 새로운 접근 방식을 제공합니다.Graph Neural PDEs는 그래프 학습을 연속적인 확산 과정으로 취급하는 그래프 신경망(GNN)을 위한 Python 코드를 제공하는 오픈 소스 프로젝트입니다. GRAND 및 BLEND 모델을 구현하여 과도한 평활화 및 깊이 제한과 같은 일반적인 그래프 학습 문제를 해결하는 새로운 접근 방식을 제공합니다.

그래프로 구조화된 데이터를 처리하도록 설계된 신경망의 한 유형입니다. 이는 컨볼루션 신경망을 그래프 구조 데이터로 일반화하여 준지도 학습 및 그래프 임베딩에서 강력한 응용을 가능하게 합니다. 이 모델은 복잡한 네트워크 데이터를 분석하는 새로운 접근 방식을 제공합니다.그래프 컨볼루션 네트워크(GCN)는 그래프로 구조화된 데이터를 처리하도록 설계된 신경망의 한 유형입니다. 이는 컨볼루션 신경망을 그래프 구조 데이터로 일반화하여 준지도 학습 및 그래프 임베딩에서 강력한 응용을 가능하게 합니다. 이 모델은 복잡한 네트워크 데이터를 분석하는 새로운 접근 방식을 제공합니다.

CompGCN

AI GitHub 저장소

Composition-Based Multi-Relational Graph Convolutional Networks의 PyTorch 구현체입니다. 지식 그래프 링크 예측과 같은 작업에 대한 고급 그래프 표현 학습을 가능하게 하며, 유연한 구성 연산과 다양한 점수 함수와의 호환성을 제공합니다.CompGCN은 Composition-Based Multi-Relational Graph Convolutional Networks의 PyTorch 구현체입니다. 지식 그래프 링크 예측과 같은 작업에 대한 고급 그래프 표현 학습을 가능하게 하며, 유연한 구성 연산과 다양한 점수 함수와의 호환성을 제공합니다.

Relational Graph Convolutional Networks

AI GitHub 저장소

이 프로젝트는 Relational Graph Convolutional Networks(R-GCN)의 Keras 기반 구현을 제공합니다. 방향성 관계 그래프에서의 준지도 노드 분류를 위해 설계되었습니다. 이 코드는 논문 'Modeling Relational Data with Graph Convolutional…

DGCNN

AI GitHub 저장소

동적 그래프 CNN을 구현한 포인트 클라우드 학습용 AI 모델입니다. 3D 포인트 클라우드 데이터의 분류 및 분할과 같은 작업에서 최첨단 성능을 달성합니다. 이 모델은 PyTorch 구현으로 제공되며 실제 시나리오에 적용되었습니다.DGCNN은 동적 그래프 CNN을 구현한 포인트 클라우드 학습용 AI 모델입니다. 3D 포인트 클라우드 데이터의 분류 및 분할과 같은 작업에서 최첨단 성능을 달성합니다. 이 모델은 PyTorch 구현으로 제공되며 실제 시나리오에 적용되었습니다.

Graph Attention Networks

AI GitHub 저장소

그래프 구조의 데이터를 위한 새로운 신경망 아키텍처입니다. 이전 그래프 컨볼루션 방법의 한계를 해결하기 위해 마스크된 셀프 어텐션 레이어를 활용하여 소셜 네트워크 및 분자 데이터와 같은 불규칙한 공간 구조에 대한 원칙적인 연산을 가능하게 합니다.Graph Attention Networks (GATs)는 그래프 구조의 데이터를 위한 새로운 신경망 아키텍처입니다. 이전 그래프 컨볼루션 방법의 한계를 해결하기 위해 마스크된 셀프 어텐션 레이어를 활용하여 소셜 네트워크 및 분자 데이터와 같은 불규칙한 공간 구조에 대한 원칙적인 연산을 가능하게 합니다.

SEAL 링크 예측

AI GitHub 저장소

링크 예측 문제를 부분 그래프 분류 문제로 변환하는 새로운 프레임워크입니다. h-hop 포함 부분 그래프와 노드 정보 행렬을 추출하여 그래프 신경망에 입력합니다. SEAL은 그래프 구조와 잠재/명시적 노드 특징 모두에서 동시에 학습하여 정확한 링크 예측을 수행합니다.SEAL은 링크 예측 문제를 부분 그래프 분류 문제로 변환하는 새로운 프레임워크입니다. h-hop 포함 부분 그래프와 노드 정보 행렬을 추출하여 그래프 신경망에 입력합니다. SEAL은 그래프 구조와 잠재/명시적 노드 특징 모두에서 동시에 학습하여 정확한 링크 예측을 수행합니다.

LSTNet

AI GitHub 저장소

시계열 예측을 위해 설계된 딥러닝 모델입니다. 순환 신경망과 컨볼루션 신경망의 조합을 사용하여 장단기 시간 패턴을 효과적으로 모델링합니다. 이 모델은 복잡한 시계열 데이터에 특히 유용합니다.LSTNet은 시계열 예측을 위해 설계된 딥러닝 모델입니다. 순환 신경망과 컨볼루션 신경망의 조합을 사용하여 장단기 시간 패턴을 효과적으로 모델링합니다. 이 모델은 복잡한 시계열 데이터에 특히 유용합니다.