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。
Superhypergraph Neural Networks and Plithogenic Graph Neural Networks: Theoretical Foundations
Arxiv
0+阅读 · 12月2日
Trustworthy Graph Neural Networks: Aspects, Methods and Trends
Arxiv
0+阅读 · 2月21日
Digital Histopathology with Graph Neural Networks: Concepts and Explanations for Clinicians
Arxiv
0+阅读 · 2023年12月28日
Hyperbolic Graph Neural Networks: A Review of Methods and Applications
Arxiv
1+阅读 · 2023年10月23日
A Survey on Privacy in Graph Neural Networks: Attacks, Preservation, and Applications
Arxiv
0+阅读 · 2023年9月19日
A Survey on Privacy in Graph Neural Networks: Attacks, Preservation, and Applications
Arxiv
0+阅读 · 2023年9月8日
A Survey on Privacy in Graph Neural Networks: Attacks, Preservation, and Applications
Arxiv
11+阅读 · 2023年8月31日
Memory-Augmented Graph Neural Networks: A Brain-Inspired Review
Arxiv
0+阅读 · 2023年7月14日
Demystifying Structural Disparity in Graph Neural Networks: Can One Size Fit All?
Arxiv
0+阅读 · 2023年6月2日
The Descriptive Complexity of Graph Neural Networks
Arxiv
0+阅读 · 2023年4月21日
What Do GNNs Actually Learn? Towards Understanding their Representations
Arxiv
0+阅读 · 2023年4月21日
Graph Neural Network with Local Frame for Molecular Potential Energy Surface
Arxiv
0+阅读 · 2023年4月21日
Convergence of Message Passing Graph Neural Networks with Generic Aggregation On Large Random Graphs
Arxiv
0+阅读 · 2023年4月21日
More is Better (Mostly): On the Backdoor Attacks in Federated Graph Neural Networks
Arxiv
0+阅读 · 2023年4月20日
Decouple Graph Neural Networks: Train Multiple Simple GNNs Simultaneously Instead of One
Arxiv
0+阅读 · 2023年4月20日
参考链接
父主题
图深度学习
子主题
图注意力网络
图卷积网络
微信扫码咨询专知VIP会员
Top