Zobrazeno 1 - 10
of 17
pro vyhledávání: '"He, Qiuting"'
Utilizing long-range dependency, a concept extensively studied in homogeneous graphs, remains underexplored in heterogeneous graphs, especially on large ones, posing two significant challenges: Reducing computational costs while maximizing effective
Externí odkaz:
http://arxiv.org/abs/2307.08430
Node classification on attributed networks is a semi-supervised task that is crucial for network analysis. By decoupling two critical operations in Graph Convolutional Networks (GCNs), namely feature transformation and neighborhood aggregation, some
Externí odkaz:
http://arxiv.org/abs/2206.10142
Publikováno v:
In Journal of Energy Chemistry February 2022 65:574-582
Autor:
Wan, Zixia, He, Qiuting, Qu, Yuan, Dong, Jiaxin, Shoko, Elvis, Yan, Puxuan, Taylor Isimjan, Tayirjan, Yang, Xiulin
Publikováno v:
In Journal of Electroanalytical Chemistry 1 January 2022 904
Akademický článek
Tento výsledek nelze pro nepřihlášené uživatele zobrazit.
K zobrazení výsledku je třeba se přihlásit.
K zobrazení výsledku je třeba se přihlásit.
Akademický článek
Tento výsledek nelze pro nepřihlášené uživatele zobrazit.
K zobrazení výsledku je třeba se přihlásit.
K zobrazení výsledku je třeba se přihlásit.
Publikováno v:
Proceedings of SPIE; July 2024, Vol. 13222 Issue: 1 p132220B-132220B-7, 1189988p
Existing heterogeneous graph neural networks (HGNNs) have achieved great success in utilizing the rich semantic information in heterogeneous information networks (HINs). However, few works have delved into the utilization of long-range dependencies i
Externí odkaz:
https://explore.openaire.eu/search/publication?articleId=doi_dedup___::c72fd7dc1dc6040c756a306a22fb24dc
Akademický článek
Tento výsledek nelze pro nepřihlášené uživatele zobrazit.
K zobrazení výsledku je třeba se přihlásit.
K zobrazení výsledku je třeba se přihlásit.
Akademický článek
Tento výsledek nelze pro nepřihlášené uživatele zobrazit.
K zobrazení výsledku je třeba se přihlásit.
K zobrazení výsledku je třeba se přihlásit.