HyperAIHyperAI

Command Palette

Search for a command to run...

GRPE: ترميز الموضع النسبي لمحول الرسم البياني

Wonpyo Park Woonggi Chang Donggeon Lee Juntae Kim Seung-won Hwang

الملخص

نُقدّم ترميزًا مكانيًا جديدًا لتعلم الرسوم البيانية في إطار معمارية Transformer. تُعتمد الطرق الحالية إما على تخطيط الرسم البياني لتمثيل الموضع المطلق ضمن تسلسل العقد، أو على تمثيل الموضع النسبي باستخدام عوامل انحياز بالنسبة لعقدة أخرى. أما الأولى، فإنها تفقد دقة الموضع النسبي بسبب التخطيط، بينما تفقد الثانية التكامل الوثيق بين تفاعل العقدة-الحافة وتفاعل العقدة-الهيكل. وللتغلب على هذه العيوب في الطرق السابقة، تُرمّز طريقة عملنا الرسم البياني دون الحاجة إلى التخطيط، مع أخذ تفاعلات العقدة-الهيكل والعُقدة-الحافة بعين الاعتبار معًا. ونُسمّي طريقتنا "ترميز الموضع النسبي للرسم البياني" (Graph Relative Positional Encoding) خصيصًا لتمثيل الرسوم البيانية. أظهرت التجارب التي أُجريت على مختلف مجموعات بيانات الرسوم البيانية أن الطريقة المقترحة تتفوّق بشكل ملحوظ على الطرق السابقة. يُمكن الوصول إلى الكود الخاص بنا بشكل عام عبر الرابط التالي: https://github.com/lenscloth/GRPE.


بناء الذكاء الاصطناعي بالذكاء الاصطناعي

من الفكرة إلى الإطلاق — سرّع تطوير الذكاء الاصطناعي الخاص بك مع المساعدة البرمجية المجانية بالذكاء الاصطناعي، وبيئة جاهزة للاستخدام، وأفضل أسعار لوحدات معالجة الرسومات.

البرمجة التعاونية باستخدام الذكاء الاصطناعي
وحدات GPU جاهزة للعمل
أفضل الأسعار

HyperAI Newsletters

اشترك في آخر تحديثاتنا
سنرسل لك أحدث التحديثات الأسبوعية إلى بريدك الإلكتروني في الساعة التاسعة من صباح كل يوم اثنين
مدعوم بواسطة MailChimp
GRPE: ترميز الموضع النسبي لمحول الرسم البياني | مستندات | HyperAI