技术编程,AI人工智能|性能超越图神经网络，将标签传递和简单模型结合实现SOTA( 三 )
文章图片
文章图片
具体的对比方法和结果如下图所示 ， 其他更详细的实验步骤和对比结果 ， 可以详细阅读论文 。
文章图片
文章图片
结论
GNN模型正变得越来越有泛化能力 ， 参数也越来越多 ， 训练成本相应的也变得越来越高 。本文的研究结果表明 ， 我们应该探索其他提高性能的技术 ， 例如标签传递和特征增强 。特别是 ， 标签传递和它的变体是一种可持续发展的想法 。直接地将它们结合到图学习模型中就会带来很大的好处 ， 而且本文已经证明这些方法可以使预测结果更好 ， 训练更快 。
推荐阅读
- 人工智能|第二届中国超级算力大会在京举行
- 电池技术,相机发烧|防爆相机多少钱能买到？
- 行业互联网|深圳第22届高交会闭幕：一大批新技术新成果集中亮相
- 超能网|亚马逊转用自家芯片进行人工智能训练，只剩少量程序仍然以显卡来训练
- 电池技术|动能转换看烟台｜有锂电池的地方就有创为
- 行业互联网|2020十大新兴技术揭晓！每一项都可能颠覆我们的生活
- 行业互联网|英国运输技术论坛发布网络安全标准和指南摘要
- 钉科技|“选择性过滤”太难?方太“死磕”8年突破净水技术
- 中国新闻网|告别各自为营，梧桐车联宣布开放系统“技术底座”
- AI人工智能|华为P50Pro：前摄屏下隐藏，麒麟芯片绝唱怒怼苹果A14