时序网络影响力识别新方法PathSAGEG融合深度学习与局部路径计数，解决传统方法计算复杂、依赖最短路径等问题，实验验证其 ...

共情能力对于实现口语对话系统中的自然交互至关重要，它要求机器精准捕捉年龄、性别、情绪等副语言线索，并给出富有共情的回应。 近年来，端到端语音语言模型（可统一语音理解与生成功能）的发展为这一领域提供了极具潜力的解决方案。 然而，当前 ...

针对软件缺陷预测(SDP)中类别不平衡和特征选择难题，研究人员提出graphSAGE-NPO-SDP模型，集成图采样聚合网络(graphSAGE)与游牧优化器(NPO)，通过Promise Repository数据集验证，准确率提升最高达36.48%，为软件质量保障提供新范式。 在当今数字化浪潮中，软件质量直接 ...

在机器学习领域存在一个普遍的认知误区，即可解释性与准确性存在对立关系。这种观点认为可解释模型在复杂度上存在固有限制，因此无法达到最优性能水平，神经网络之所以能够在各个领域占据主导地位，正是因为其超越了人类可理解的范畴。 其实这种观点 ...

在上海交通大学 AI for Bioengineering 暑期学校中，上海交通大学周冰心博士以「图神经网络与蛋白质结构表征」为题，向大家分享了图神经网络的定义、优势、及其在蛋白质预测与生成等领域的前沿应用。 8 月 12 日，上海交通大学 AI for Bioengineering 暑期学校正式 ...

本实验基于PyTorch框架，以GCN,GraphSAGE,GAT三类经典的图网络为例，对torch_geometric(pyg)中的图网络传播过程进行简易复现，其中的复现重点如下： 对于多图数据集，基于pyg的数据集格式实现在图上的batch操作，同时包含添加自连接以及超级节点(supernode) 依据pyg中消息 ...

在宏观层面上，GNN的架构与传统CNN有很多相似之处，诸如卷积层、池化、激活函数、机器学习处理器（MLP）、全连接层（FC ...

编者按：在刚刚结束的由 KDD Cup 2021 和 Open Graph Benchmark 官方联合举办的第一届 OGB Large-Scale Challenge 中，来自微软亚洲研究院的研究员和大连理工大学等高校的实习生们通过借鉴 Transformer 模型的思路，创新性地提出了可应用于图结构数据的 Graphormer 模型，在大规模 ...

GNN对算力和存储器的要求非常高，其算法的软件实现方式非常低效，所以业界对GNN的硬件加速有着非常迫切的需求。我们知道传统的CNN（卷积神经网络网络）硬件加速方案已经有非常多的解决方案；但是，GNN的硬件加速尚未得到充分的讨论和研究... 得益于大数据 ...

得益于大数据的兴起以及算力的快速提升，机器学习技术在近年取得了革命性的发展。在图像分类、语音识别、自然语言处理等机器学习任务中，数据为大小维度确定且排列有序的欧氏（Euclidean）数据。然而，越来越多的现实场景中，数据是以图（Graph）这种 ...