Más allá del Golden Teacher: co-enseñanza LLM-GNN
Descubre cómo la co-enseñanza bidireccional entre LLM y GNN supera las limitaciones del aprendizaje con pocos ejemplos en grafos, mejorando la precisión un 7.86%.
#aprendizaje de grafos
SpaTeoGL: Grafos espacio-temporales interpretables para zona de inicio de crisis
SpaTeoGL usa grafos espacio-temporales para localizar con precisión la zona de inicio de crisis en EEG intracraneal, mejorando la cirugía de epilepsia.
Cuando los tokens de grafo se hunden: análisis mecanicista
Los tokens de grafo tienen alta activación pero baja utilidad semántica. Este análisis mecanicista revela la desconexión en modelos de lenguaje de grafos.
Modelos fundacionales de grafos con RAG hiperbólica
Descubre cómo HyRAG mejora la generalización de modelos fundacionales de grafos usando espacio hiperbólico para recuperar conocimiento jerárquico. Resultados superiores en zero-shot.
Aprendizaje de mezclas graphon para mixup y contraste
Un nuevo marco de aprendizaje de mezclas graphon optimiza mixup y contraste en grafos. Logra precisión récord en 6 de 7 datasets. ¡Conoce los detalles!
Escalando aprendizaje de grafos de alto orden con complejos de cliques maximales
Descubre cómo los complejos de cliques maximales escalan el aprendizaje de grafos de alto orden con mayor eficiencia y sin perder expresividad.
Redes Neuronales de Grafos: Discontinuidad entre Resoluciones
Descubre cómo las GNN fallan al cambiar la resolución de un grafo y cómo una modificación arquitectónica resuelve este problema. Aprende las implicaciones para tu proyecto.