跳到正文
热点事件持续更新

研究者提出自适应图池化方法GDPool

1 篇报道1 个报道来源11 小时前更新

先了解这件事

AI 综述

研究者 Bohan Yoon、Hyejin Jang 提出图相关池化方法 GDPool,为每个图动态确定池化粒度,不再依赖预定义簇数或固定池化比例。 该方法通过梯度对齐分析指出,逐层独立监督的池化目标会给共享参数发送冲突梯度;GDPool 用自注意力选取图特定的锚点节点,并以软节点分配构建粗化图。 在金属有机框架与分子图基准上,作者报告 GDPool 在所有基准中取得最佳预测性能,模块度持续高于现有方法,活跃簇数量随深度单调下降。

AI 根据报道生成 · 2 小时前更新

报道时间线

沿着报道,了解事件的不同侧面。

10月27日
  1. arXiv cs.AI
    GDPool:面向层次化图神经网络的自适应图相关池化

    研究者提出 Graph-Dependent Pooling(GDPool),为每个图动态确定池化粒度,不再依赖预定义簇数或固定池化比例。该方法通过梯度对齐分析揭示逐层独立监督的池化目标会给共享参数发送冲突梯度,并用自注意力选取图特定的锚点节点、以软节点分配构建粗化图。在金属有机框架与分子图基准上,GDPool 在所有基准中取得最佳预测性能,模块度持续高于现有方法,且活跃簇数量随深度单调下降。

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。