4 个月前

具有可学习和最优多项式基的图神经网络

具有可学习和最优多项式基的图神经网络

摘要

请提供需要翻译的英文内容。

代码仓库

yuziGuo/FarOptBasis
官方
pytorch
GitHub 中提及

基准测试

基准方法指标
node-classification-on-film-60-20-20-randomOptBasisGNN
1:1 Accuracy: 42.39 ± 0.52
node-classification-on-film-60-20-20-randomFavardGNN
1:1 Accuracy: 43.05 ± 0.53
node-classification-on-non-homophilic-14OptBasisGNN
1:1 Accuracy: 90.83±0.11
node-classification-on-pokecOptBasisGNN
Accuracy: 82.83±0.04

用 AI 构建 AI

从想法到上线——通过免费 AI 协同编程、开箱即用的环境和市场最优价格的 GPU 加速您的 AI 开发

AI 协同编程
即用型 GPU
最优价格
立即开始

Hyper Newsletters

订阅我们的最新资讯
我们会在北京时间 每周一的上午九点 向您的邮箱投递本周内的最新更新
邮件发送服务由 MailChimp 提供
具有可学习和最优多项式基的图神经网络 | 论文 | HyperAI超神经