Articles sur Graph Neural Network

Cet article propose un cadre de régression neuronale à graphique p-Dirichlet adaptatif et sensible à l'état pour estimer le pourcentage de graisse corporelle, la densité osseuse et la masse maigre des membres à partir de mesures corporelles non invasives, remplaçant la détection invasive qui repose sur DXA. Par rapport aux méthodes de régression précédentes basées sur des graphes statiques, ce cadre propage les états cachés sur le graphe de similarité des participants via une discrétisation d'Euler avant adaptative à l'état, permettant au flux d'énergie du graphe de s'ajuster dynamiquement avec la cible. Cela signifie que le réseau neuronal graphique est passé d'une représentation statique à une propagation dynamique de la perception cible dans la prévision des indicateurs de santé, mais il est encore au stade papier et n'a aucune vérification clinique.