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%)。
2022-11-23 16:26:02 705KB GNN
基于GNN图神经网络预测(Python完整源码数据包) 基于GNN图神经网络预测(Python完整源码数据包) 基于GNN图神经网络预测(Python完整源码数据包) 基于GNN图神经网络预测(Python完整源码数据包) 基于GNN图神经网络预测(Python完整源码数据包) 基于GNN图神经网络预测(Python完整源码数据包) 基于GNN图神经网络预测(Python完整源码数据包) 基于GNN图神经网络预测(Python完整源码数据包) 基于GNN图神经网络预测(Python完整源码数据包) 基于GNN图神经网络预测(Python完整源码数据包) 基于GNN图神经网络预测(Python完整源码数据包) 基于GNN图神经网络预测(Python完整源码数据包) 基于GNN图神经网络预测(Python完整源码数据包) 基于GNN图神经网络预测(Python完整源码数据包) 基于GNN图神经网络预测(Python完整源码数据包) 基于GNN图神经网络预测(Python完整源码数据包) 基于GNN图神经网络预测(Python完整源码数据包)
2022-11-23 11:26:36 8.34MB GNN 图神经网络
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)
2022-11-23 11:26:35 107.44MB GNN
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)
2022-11-23 11:26:34 617KB GNN 变异正则化图谱表征
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)
2022-11-23 11:26:31 3.32MB GNN NAS 图神经网络 神经网络
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。
2022-11-23 11:26:30 5KB GNN ARIMA 时间序列
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)
2022-11-23 11:26:29 5.4MB GNN 分子能量预测
图神经网络 | Python实现LSTM-GNN时间序列预测 LSTM-GNN用于病人的结果预测:一个混合模型,结合了用于提取时间特征的长短期记忆网络(LSTM)和用于提取病人邻域信息的图谱神经网络(GNN)。 关于预测重症监护室(ICU)病人结果的工作主要集中在生理时间序列数据上,基本上忽略了诊断和药物等稀疏数据。当它们被包括在内时,它们通常是在模型的后期阶段被串联起来的,这可能难以从更罕见的疾病模式中学习。通过在图中连接类似的病人,将诊断作为关系信息加以利用。 LSTM-GNNs在eICU数据库的住院时间预测任务中的表现优于仅有LSTM的基线。利用图神经网络从相邻的病人病例中提取信息是一个很有前途的研究方向,在电子健康记录的监督学习性能方面产生了切实的回报。
2022-11-21 11:26:19 163KB 图神经网络 LSTM-GNN LSTM GNN
1
采用Scrapy爬虫框架爬取网页数据,构建武器装备知识图谱,存储于MongoDB数据库,并实现简单的知识问答
2022-10-21 10:53:24 3.75MB Qaon 爬虫知识图谱 kg-scrapy 问答系统
1
欧讯KG-WV 20中文写频软件
2022-10-17 21:05:16 42.36MB KG-WV20
1