Con la información de vecindad de orden superior de una red de grafos, se puede mejorar significativamente la precisión de la clasificación del aprendizaje de la representación de grafos. Sin embargo, las actuales redes convolucionales de grafos de orden superior tienen un gran número de parámetros y una alta complejidad computacional. Por lo tanto, proponemos un modelo de aprendizaje híbrido de redes convolucionales de grafos de orden inferior y superior (HLHG), que utiliza un mecanismo de reparto de pesos para reducir el número de parámetros de la red. Para reducir la complejidad computacional, proponemos una nueva capa de fusión de información para combinar la información de la matriz de vecindad de alto y bajo orden. Comparamos teóricamente la complejidad computacional y el número de parámetros del modelo propuesto con los de otros modelos de última generación. Experimentalmente, verificamos el modelo propuesto en conjuntos de datos de redes de texto a gran escala utilizando aprendizaje supervisado y en conjuntos de datos de redes de citación utilizando aprendizaje semisupervisado. Los resultados experimentales muestran que el modelo propuesto logra una mayor precisión de clasificación con un pequeño conjunto de parámetros de peso entrenables.
Esta es una versión de prueba de citación de documentos de la Biblioteca Virtual Pro. Puede contener errores. Lo invitamos a consultar los manuales de citación de las respectivas fuentes.
Artículo:
Síntesis por irradiación de nanopartículas de plata/chitosan para controlar la enfermedad de la caída de la hoja en los árboles del caucho causada por Corynespora cassiicola
Artículo:
Influencia de la distancia entre nanopartículas en clusters en el proceso de inversión de la magnetización
Artículo:
Nanoestructuras 3D para la ingeniería de tejidos, la terapia del cáncer y la liberación de genes
Artículo:
Máquina de aprendizaje extremo de transferencia con alineación de pesos de salida
Artículo:
Desarrollo y caracterización de liposomas de lecitina de soja como posibles sistemas portadores de fármacos para la liberación de letrozol y paclitaxel