BriefGPT - AI 论文速递
·
ENADPool: 边缘节点注意力差分池化的图神经网络
💡
原文中文，约400字，阅读约需1分钟。
📝
内容提要
这项研究开发了一种名为EHCPool的聚类图池化方法，用于提高GCNs的表示学习能力，并获取异常脑图。该方法在多个脑成像公共数据集上取得了最先进的性能。
🎯
关键要点
-
开发了一种名为EHCPool的聚类图池化方法。
-
EHCPool旨在提高图卷积网络(GCNs)的表示学习能力。
-
首次基于边特征提出了“边到节点”的评估准则。
-
设计了一种新的迭代N-top策略以自适应学习图的稀疏聚类分配。
-
提出了创新的N-E聚合策略以聚合独立子图中的节点和边特征信息。
-
该方法在多个脑成像公共数据集上取得了最先进的性能。
-
EHCPool是探测不同类型异常功能性脑网络潜力的深度学习工具。
🏷️
标签
➡️
