将领域微分方程纳入图卷积网络以降低泛化差异
原文中文,约200字,阅读约需1分钟。发表于: 。将域差分方程纳入图卷积网络(GCN)中可以提高空时预测的准确性和鲁棒性,我们提出了 Reaction-Diffusion Graph Convolutional Network(RDGCN)和 Susceptible-Infectious-Recovered Graph Convolutional...
本文介绍了一种新的图形领域体系结构,用于基于图形的深度学习用于疾病预测。该体系结构利用不同内核大小的滤波器来构建,并定义了几何“内核模块”,能够在卷积期间捕获结构异质性。研究展示了该模型在两个公开数据集上的疾病预测结果,并提供了在模拟数据的不同输入情况下,常规GCNs和提出的模型的行为洞见。