Graph Neural Networks に関する報道

この論文は、ホークス インフルエンス カーネルの点プロセス モデルをパラメータ化するためにグラフ ニューラル ネットワークを使用することを提案します。ニューラル ネットワークを直接使用して状態強度をモデル化する場合と比較して、グラフ構造を使用してイベント間のネットワーク依存関係を明示的に把握できます。これは、ソーシャル ネットワークやトラフィックなどの構造化された離散イベントをモデル化する際に、モデルが GNN の表現能力とカーネル関数の解釈可能性を同時に取得でき、ディープ ポイント プロセスに新しい構造事前分布を提供できることを意味します。