graph-attention-network

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。