会员服务
图神经网络 (GNN) 是一种连接模型，它通过图的节点之间的消息传递来捕捉图的依赖关系。与标准神经网络不同的是，图神经网络保留了一种状态，可以表示来自其邻域的具有任意深度的信息。近年来，图神经网络(GNN)在社交网络、知识图、推荐系统、问答系统甚至生命科学等各个领域得到了越来越广泛的应用。
Can TabPFN Compete with GNNs for Node Classification via Graph Tabularization?
Arxiv
0+阅读 · 12月9日
Efficient Environmental Claim Detection with Hyperbolic Graph Neural Networks
Arxiv
0+阅读 · 11月19日
Resolving Indirect Calls in Binary Code via Cross-Reference Augmented Graph Neural Networks
Arxiv
0+阅读 · 11月8日
FsimNNs: An Open-Source Graph Neural Network Platform for SEU Simulation-based Fault Injection
Arxiv
0+阅读 · 11月12日
On Stealing Graph Neural Network Models
Arxiv
0+阅读 · 11月10日
On Stealing Graph Neural Network Models
Arxiv
0+阅读 · 11月13日
Forget and Explain: Transparent Verification of GNN Unlearning
Arxiv
0+阅读 · 12月8日
Leveraging Spatiotemporal Graph Neural Networks for Multi-Store Sales Forecasting
Arxiv
0+阅读 · 11月24日
GNN101: Visual Learning of Graph Neural Networks in Your Web Browser
Arxiv
0+阅读 · 12月16日
Better Prevent than Tackle: Valuing Defense in Soccer Based on Graph Neural Networks
Arxiv
0+阅读 · 12月11日
Bounded Graph Clustering with Graph Neural Networks
Arxiv
0+阅读 · 12月5日
PrivGNN: High-Performance Secure Inference for Cryptographic Graph Neural Networks
Arxiv
0+阅读 · 11月4日
Demystifying Higher-Order Graph Neural Networks
Arxiv
0+阅读 · 11月25日
Robustness questions the interpretability of graph neural networks: what to do?
Arxiv
0+阅读 · 5月5日
Uncertainty in Graph Neural Networks: A Survey
Arxiv
0+阅读 · 3月8日
参考链接
微信扫码咨询专知VIP会员
Top