基于 GNN 的链接预测器（Python完整源码和数据包） 调查了多个基于图形神经网络的端到端链接预测架构；编码器为GCN、RGCN、GAT、GraphSAGE，解码器为Inner-Product、Dedicom、DistMult；使用PyTorchGeometric进行建模。 在Cora、Citeseer、Pubmed数据集上进行了基准测试；GCN编码器和基于Dedicom的解码器在所有数据集上的表现都优于其他数据集（大于2%）。

GNN基于已知结构和假设结构能量的数据预测（Python完整源码和数据包） GNN基于已知结构和假设结构能量的数据预测（Python完整源码和数据包） GNN基于已知结构和假设结构能量的数据预测（Python完整源码和数据包） GNN基于已知结构和假设结构能量的数据预测（Python完整源码和数据包） GNN基于已知结构和假设结构能量的数据预测（Python完整源码和数据包） GNN基于已知结构和假设结构能量的数据预测（Python完整源码和数据包） GNN基于已知结构和假设结构能量的数据预测（Python完整源码和数据包） GNN基于已知结构和假设结构能量的数据预测（Python完整源码和数据包） GNN基于已知结构和假设结构能量的数据预测（Python完整源码和数据包） GNN基于已知结构和假设结构能量的数据预测（Python完整源码和数据包） GNN基于已知结构和假设结构能量的数据预测（Python完整源码和数据包） GNN基于已知结构和假设结构能量的数据预测（Python完整源码和数据包） GNN基于已知结构和假设结构能量的数据预测（Python完整源码和数据包）

GNN基于电子健康记录的变异正则化图谱表征（Python完整源码和数据包） GNN基于电子健康记录的变异正则化图谱表征（Python完整源码和数据包） GNN基于电子健康记录的变异正则化图谱表征（Python完整源码和数据包） GNN基于电子健康记录的变异正则化图谱表征（Python完整源码和数据包）

基于Gamma Correcction的回归模型（Python完整源码和数据包） 基于Gamma Correcction的回归模型（Python完整源码和数据包） 基于Gamma Correcction的回归模型（Python完整源码和数据包）

基于GNN神经网络的结构搜索（Python完整源码和数据包） 基于GNN神经网络的结构搜索（Python完整源码和数据包） 基于GNN神经网络的结构搜索（Python完整源码和数据包） 基于GNN神经网络的结构搜索（Python完整源码和数据包）

基于GNN和ARIMA的时间序列预测（Python完整源码和数据包） 一个基于GNN和ARIMA的时间序列预测，包括数据预处理和预测方法。 基于GNN和ARIMA的时间序列预测（Python完整源码和数据包） 一个基于GNN和ARIMA的时间序列预测，包括数据预处理和预测方法。

基于GNN 进行分子能量预测（Python完整源码和数据包） 基于GNN 进行分子能量预测（Python完整源码和数据包） 基于GNN 进行分子能量预测（Python完整源码和数据包）