图神经网络
3 条- 01基于粒子竞争与合作的鲁棒图卷积网络学习方法(应对标签噪声)
提出PCC+GCN框架,利用粒子动力学识别可疑节点并进行标签精炼,提升GCN在标签噪声下的鲁棒性。
- 02
- 03基于集合聚合的循环图神经网络
研究采用集合聚合(非多重集)的循环GNN,建立权重可验证的双向编译等价性,连接神经网络与逻辑公式。
提出PCC+GCN框架,利用粒子动力学识别可疑节点并进行标签精炼,提升GCN在标签噪声下的鲁棒性。
研究采用集合聚合(非多重集)的循环GNN,建立权重可验证的双向编译等价性,连接神经网络与逻辑公式。