登录或注册
登录或注册
智能论文笔记
www.aixpaper.com
搜索
最新
推荐
我的收藏
ResVGAE: Going Deeper with Residual Modules for Link Prediction
Indrit Nallbani
,
Reyhan Kevser Keser
,
Aydin Ayanzadeh
,
Nurullah Çalık
,
Behçet Uğur Töreyin
分类:
机器学习
2021-05-03
图形自动编码器在嵌入基于图的数据集方面有效。大多数图形自动编码器体系结构都具有较浅的深度,这些深度限制了它们捕获由多支架隔开的节点之间有意义关系的能力。在本文中,我们提出了残留的变分图自动编码器Resvgae,这是一种具有多个残差模块的深度变分图自动编码器模型。我们表明,我们的多个残差模块,具有残差连接的卷积层,提高了图自动编码器的平均精度。实验结果表明,与其他最先进的方法相比,我们提出的剩余模块的模型优于没有残留模块的模型,并获得了相似的结果。
translated by 谷歌翻译