每日 Arxiv

本页面整理了世界各地发表的人工智能相关论文。
本页面使用 Google Gemini 汇总而成，并以非盈利为基础运营。
论文版权归作者及相关机构所有，分享时请注明出处。

量化图机器学习中的长程交互：大型图数据集和测量

Created by
  • Haebom

作者

Huidong Liang、Haitz S aez de Oc ariz Borde、Baskaran Sripathmanathan、Michael Bronstein、Xiaowen Dong

城市网络：用于远程依赖学习的大规模城市网络数据集

大纲

本文介绍了 City-Networks，这是一个基于真实城市道路网络的大规模迁移学习数据集，用于研究长距离依赖学习。该数据集包含超过 10 万个节点的图，其直径远大于现有基准，从而能够自然地包含长距离交互。此外，我们根据节点中心性对图进行注释，确保分类任务需要有关远距离节点的信息。最后，我们提出了一个独立于模型的指标来量化长距离依赖关系。

Takeaways, Limitations

•
Takeaways：
◦
我们通过提供基于现实世界城市道路网络的大规模数据集为长距离依赖性研究做出贡献。
◦
设计适合远程信息学习的分类任务，以方便模型性能评估。
◦
我们提出了一种独立于模型的方法来测量长期依赖性，从而实现客观评估。
◦
我们为数据集设计和测量方法提供了理论基础，重点关注过度平滑和影响分数稀释。
•
Limitations：
◦
论文本身没有直接提及 Limitations。
👍
Made with Slashpage