HyperNATE:通过注意力机制扩展基于张量的超图神经网络

《Neural Networks》:HyperNATE: Scaling tensor-based hypergraph neural networks through attention

【字体: 时间:2026年05月26日 来源:Neural Networks 6.3

编辑推荐:

  Nicolás Bello|Fuli Wang|Daniel L. Lau|Gonzalo R. Arce•HyperNATE 将基于张量的消息传递机制与可扩展的超图处理分离。•重新设计的注意力机制减少了过度平滑现象,并能够处理异构超边。•高通滤波技术提升了异构超图数据集中的特征

  
Nicolás Bello|Fuli Wang|Daniel L. Lau|Gonzalo R. Arce
  • HyperNATE 将基于张量的消息传递机制与可扩展的超图处理分离。
  • 重新设计的注意力机制减少了过度平滑现象,并能够处理异构超边。
  • 高通滤波技术提升了异构超图数据集中的特征传播效果。
  • 超边采样降低了熵值,从而提高了大型异构超图的处理性能。
  • 实验结果表明,HyperNATE 的运行速度提高了 10 到 100 倍,并且达到了具有竞争力的准确率。
相关新闻
生物通微信公众号
微信
新浪微博
  • 搜索
  • 国际
  • 国内
  • 人物
  • 产业
  • 热点
  • 科普

热点排行

    今日动态 | 人才市场 | 新技术专栏 | 中国科学人 | 云展台 | BioHot | 云讲堂直播 | 会展中心 | 特价专栏 | 技术快讯 | 免费试用

    版权所有 生物通

    Copyright© eBiotrade.com, All Rights Reserved

    联系信箱:

    粤ICP备09063491号