标签
论文介绍了GATNextHop，这是一个图注意力网络模型，用于近似最短路径路由并在网络拓扑间泛化，通过在实际ISP网络上与Dijkstra算法进行评估。
本文提出ClaimGAT，一种Graph Attention Network，用于编码专利权利要求依赖关系以预测诉讼风险，在USPTO实用专利上取得了0.818的AUC-ROC。
本文介绍了DCGCNet，一种新型深度学习框架，用于从心电图信号中准确且鲁棒地检测心房颤动，展示了最先进的性能和在多样数据集及噪声条件下的强大泛化能力。
本文提出HCIG，一种用于多模态讽刺和网络霸凌检测的分层跨模态不一致性图网络，在MMSD和MultiBully数据集上取得了最先进的性能。
本文对多种深度学习架构进行了全面比较，包括视觉Transformer和图注意力网络，用于从多通道脑电图信号中自动检测睡眠呼吸暂停，使用在拓扑数据分析特征上训练的视觉Transformer获得了0.750的最佳测试AUC。
本文提出了HIA-GAT，一种双流异构图注意力网络，它结合了纵向和横向车辆交互以及冲突类型感知门控机制，用于高速公路帧级交通冲突风险预测。在NGSIM数据集上的实验表明，该方法提高了风险排序性能，尤其是横向冲突，并提供了可解释的每辆车冲突归因。