Efficient and Robust Continual Graph Learning for Biological Graph Classification
💡
原文英文,约100词,阅读约需1分钟。
📝
内容提要
本研究提出了持续图学习框架PSCGL,解决了传统图神经网络在动态环境中的灾难性遗忘问题,尤其在生物数据集上表现出色。实验结果表明,PSCGL提升了模型的存储效率和鲁棒性。
🎯
关键要点
-
本研究提出了持续图学习框架PSCGL。
-
PSCGL解决了传统图神经网络在动态环境中的灾难性遗忘问题。
-
该框架在生物数据集上表现出色。
-
PSCGL采用扰动采样策略和基于图的稀疏化技术。
-
实验结果表明,PSCGL提升了模型的存储效率和鲁棒性。
-
PSCGL能够有效保持知识并增强生物图分类模型的鲁棒性。
➡️