.png){kind=icon}
返回
.png){kind=icon}
.png){kind=icon}
.png){kind=icon}
.png){kind=icon}
.png){kind=icon}
摘要
En 中文
现代针对图输入数据的学习方法已显示出考虑集合中元素间关系的重要性。然而，大多数针对集合输入数据的学习方法仅采用基础方法来利用集合内部关系。本研究中，我们引入了集合上的深度消息传递（DMPS），一种将关系学习应用于集合的新型方法。DMPS不仅通过深度核学习将图上的学习与集合上的学习联系起来，还连接了集合上的消息传递与通常用于去噪模型的传统扩散动态。基于这些联系，我们开发了两种新的用于集合关系学习的模块：集合去噪模块和集合残差模块。前者受通用图上的消息传递与基于扩散的去噪模型之间的联系启发，而后者则借鉴了著名的残差网络。除了通过实验学习真实的底层关系结构来展示我们模型的可解释性外，我们还通过在合成和真实数据集上取得与当前最优结果相当或超越当前最优结果的表现，证明了我们方法的有效性。对于希望了解本文中若干结果详细推导的读者，请参见补充材料：https://arxiv.org/abs/1909.09877。
期刊
暂无期刊信息
机构
暂无机构信息
引用论文
暂无论文信息