Noticias sobre Graph Neural Network

Este artículo propone un marco de regresión neuronal con gráfico p-Dirichlet adaptable al estado y consciente del objetivo para estimar el porcentaje de grasa corporal, la densidad ósea y la masa magra de las extremidades a partir de mediciones corporales no invasivas, reemplazando la detección invasiva que se basa en DXA. En comparación con los métodos de regresión anteriores basados ​​en gráficos estáticos, este marco propaga estados ocultos en el gráfico de similitud de los participantes a través de la discretización directa de Euler adaptativa de estado, lo que permite que el flujo de energía del gráfico se ajuste dinámicamente con el objetivo. Esto significa que la red neuronal gráfica ha pasado de la representación estática a la propagación dinámica de la percepción del objetivo en la predicción de indicadores de salud, pero aún se encuentra en la etapa de papel y no tiene verificación clínica.