Specht Triple 提升高阶等变图神经网络性能
热点事件持续更新
Specht Triple 提升高阶等变图神经网络性能
1 篇报道1 个报道来源8 小时前更新
先了解这件事
AI 综述
Mani Shayestehfar 提出高阶等变图神经网络残差模块 Specht Triple，通过按次数分解不可约表示之间的非线性交互，处理无序图三元组。在采用冻结 GIN 主干网络的合成结构基准测试中，该模块相比参数量匹配、使用相同不可约投影算子及完整线性等变空间的 Projector Control，综合标准化测试均方误差降低 11.05%。
AI 根据报道生成 · 2 小时前更新
最新进展11月2日 13:00
图神经网络中不可约表示之间的非线性映射报道时间线
沿着报道，了解事件的不同侧面。
11月2日
- arXiv · Machine Learning图神经网络中不可约表示之间的非线性映射
研究提出不可约表示之间非线性交互的按次数分解方法，并据此构建作用于无序图三元组的残差模块 Specht Triple。在采用冻结 GIN backbone 的合成结构基准测试中，Specht Triple 相比使用相同不可约投影算子和完整线性等变空间、参数量匹配的 Projector Control，将标准化测试 MSE 综合降低 11.05%。
本事件热度走势
还没有足够的连续观测数据，暂不绘制趋势。