Graph Neural Networks

30 items

RESEARCHarXiv CS.AI·5/7/2026

Actionable Real-Time Modeling of Surgical Team Dynamics via Time-Expanded Interaction Graphs

Dieser Artikel schlägt einen umsetzbaren Echtzeitansatz zur Modellierung der Dynamik chirurgischer Teams mittels zeitlich erweiterter Interaktionsgraphen vor. Das Modell ermöglicht eine effiziente Inferenz mit einem statischen Graphen-neuronalen Netzwerk, prognostiziert die Prozesseffizienz und unterstützt kontrafaktische Analysen zur Identifizierung von Änderungen in der Kommunikationsstruktur.

Team Performance Graph Neural Networks Surgical Dynamics real-time AI

RESEARCHarXiv CS.LG·vor 28T

Path-Based Gradient Boosting for Graph-Level Prediction

Wir schlagen PathBoost vor, eine Gradient-Tree-Boosting-Methode für die Klassifikation und Regression auf Graphenebene, die diskriminative pfadbasierte Merkmale direkt aus der Eingabegraphenstruktur lernt. Diese Methode führt Anpassungen für binäre Klassifikation ein, integriert mehrere Knoten- und Kantenattribute und wählt Ankerknoten automatisch aus, wobei sie Graph-Neuronale Netze und Graph-Kernel-Ansätze auf mehreren Benchmark-Datensätzen übertrifft oder mit ihnen vergleichbar ist.

gradient boosting Graph Neural Networks machine learning graph theory

RESEARCHarXiv CS.LG·vor 22T

Mask-Morph Graph U-Net: A Generalisable Mesh-Based Surrogate for Crashworthiness Field Prediction under Large Geometric Variation

Dieser Artikel stellt Mask-Morph Graph U-Net (MMGUNet) vor, einen Ansatz zur Behebung der Einschränkungen hierarchischer Graph U-Net-Architekturen in Crash-Simulationen. Ziel ist es, die Generalisierbarkeit durch Beibehaltung einer festen Grobgraphkonnektivität und Verbesserung der räumlichen Korrespondenz zu erhöhen, was eine schnellere Alternative zu rechenintensiven Finite-Elemente-Methoden bietet.

Surrogate Models Crashworthiness Graph Neural Networks machine learning

RESEARCHarXiv CS.LG·vor 22T

Logical Grammar Induction via Graph Kolmogorov Complexity: A Neuro-Symbolic Framework for Self-Healing Clinical Data Integrity

Dieses Papier stellt Logic-GNN vor, ein neuro-symbolisches Framework, das temporale Graphen-Neuronale Netze und Graphen-Kolmogorov-Komplexität nutzt, um Dateneingabefehler in klinischen Aufzeichnungen zu erkennen. Es identifiziert Anomalien als "grammatische Verletzungen" in einer latenten logischen Grammatik medizinischer Interaktionen und erreicht einen F1-Score von 0,94.

Anomaly Detection data integrity Graph Neural Networks healthcare AI

RESEARCHarXiv CS.LG·vor 27T

Structural Interpretations of Protein Language Model Representations via Differentiable Graph Partitioning

Diese Forschung schlägt einen Rahmen vor, um Repräsentationen von Protein-Sprachmodellen zu interpretieren, indem sie auf Proteinkontaktgraphen projiziert und SoftBlobGIN, ein Graphen-Isomorphismus-Netzwerk, angewendet wird. Diese Methode führt eine strukturbewusste Nachrichtenübertragung durch, um funktionale Unterstrukturen zu lernen, erreicht eine Genauigkeit von 92,8% bei der Enzymklassifizierung und liefert nachvollziehbare strukturelle Erklärungen.

AI interpretation protein language models structural biology Graph Neural Networks

RESEARCHarXiv CS.LG·4/30/2026

Mini-Batch Class Composition Bias in Link Prediction

Diese Forschung deckt eine Mini-Batch-abhängige Heuristik in beliebten GNN-basierten Link-Vorhersagemodellen auf, die durch Batch-Normalisierungsschichten ermöglicht wird. Diese Verzerrung kann dazu führen, dass die Fähigkeit der Modelle, generalisierte Graphenrepräsentationen zu lernen, überschätzt wird, anstatt die zugrunde liegenden Grapheneigenschaften zu übertragen.

Graph Neural Networks Link Prediction representation learning Machine Learning Bias

RESEARCHarXiv CS.LG·4/30/2026

A Survey of Multi-Agent Deep Reinforcement Learning with Graph Neural Network-Based Communication

Diese Studie untersucht die GNN-basierte Kommunikation im Multi-Agenten-Reinforcement-Learning (MARL) und stellt das Fehlen einer expliziten Struktur fest. Sie schlägt einen verallgemeinerten GNN-basierten Kommunikationsprozess vor, um die zugrunde liegenden Konzepte klarer und zugänglicher zu machen.

reinforcement learning Graph Neural Networks multi-agent systems

RESEARCHarXiv CS.LG·4/6/2026

Homophily-aware Supervised Contrastive Counterfactual Augmented Fair Graph Neural Network

Este trabalho propõe um novo modelo para treinar Redes Neurais Gráficas (GNNs) sensíveis à justiça, aprimorando o framework CAF. A abordagem utiliza uma estratégia de treinamento em duas fases, editando o grafo para ajustar a homofilia e integrando perdas contrastivas e ambientais modificadas para melhorar a predição e a justiça.

Homophily contrastive learning Graph Neural Networks machine learning

RESEARCHarXiv CS.CL·5/6/2026

Semantically Enriching Investor Micro-blogs for Opinion-Aware Emotion Analysis: A Practical Approach

Diese Forschung schlägt vor, Investoren-Micro-Blogs semantisch anzureichern, um die meinungsbewusste Emotionsanalyse zu verbessern. Sie erweitert den StockEmotions-Datensatz mit granularen Meinungsdiagrammen mithilfe einer LLM-Pipeline und zeigt eine verbesserte Klassifikationsleistung mit Graph Neural Networks.

Emotion Analysis Graph Neural Networks NLP sentiment analysis

RESEARCHarXiv CS.AI·4/6/2026

OntoKG: Ontology-Oriented Knowledge Graph Construction with Intrinsic-Relational Routing

O título sugere 'OntoKG', um método para construção de grafos de conhecimento orientado a ontologias com roteamento intrínseco-relacional. Contudo, a ausência de conteúdo impede qualquer análise aprofundada do material.

ontology Knowledge Graphs Knowledge Graph Graph Neural Networks