图神经网络
-
戴琼海院士团队 | 面向大规模数据的高效超图神经网络
研究意义 高阶关联广泛存在于现实世界中，如社交网络、生物网络、交通网络等，建模及优化高阶关联对于网络属性研究和演化趋势预测具有重要意义。超图是一种灵活的数据结构，能够自然地建模高阶…
-
基于图神经网络的环状RNA生物标志物筛选预测算法
研究意义 环状RNA(circular RNA, circRNA)在人类复杂疾病发病机制和许多重要生物学过程中发挥不可或缺的作用。确定环状 RNA与疾病之间关联对于复杂人类疾病的诊…
-
图神经网络（GNN）在 AI 推理中的潜力
图神经网络 (GNN) 可用于人工智能 (AI) 中的推理，尤其是在涉及结构化数据的领域，例如社交网络、推荐系统和化合物。 GNN 是一种神经网络，旨在对图形数据结构进行操作。图神…
-
基于启发式时空图神经网络的多变量时序异常检测
研究意义 为了预防工业信息物理系统 (CPS) 的故障，保证CPS的安全生产，需要及时准确地检测系统异常。由于有监督的异常检测方法训练时需要使用标签，且模型只能检测出已知的异常类型…
