graph-convolutional-networks

Graph Neural Network Bibliothek für PyTorch

Links zu Konferenzpublikationen im Bereich graphbasiertes Deep Learning

StellarGraph – Maschinelles Lernen auf Graphen

PyTorch Geometric Temporal: Raum-zeitliche Signalverarbeitung mit neuronalen Machine-Learning-Modellen (CIKM 2021)

Eine kuratierte Liste von Arbeiten und Ressourcen zur graph- und transformerbasierten Betrugs-, Anomalie- und Ausreißererkennung

PyTorch-Implementierung und Erklärung von Papers zum Graph Representation Learning: DeepWalk, GCN, GraphSAGE, ChebNet & GAT.

Eine PyTorch-Adversarial-Bibliothek für Angriffs- und Verteidigungsmethoden auf Bildern und Graphen

[IEEE T-KDE 2026] Awesome Deep Graph Clustering ist eine Sammlung von SOTA- und neuartigen Deep-Graph-Clustering-Methoden (Papers, Codes und Datensätze).

A list of recent papers about Graph Neural Network methods applied in NLP areas.

Eine Sammlung von Anomalieerkennungsmethoden (IID/punktbasiert, Graphen und Zeitreihen) einschließlich aktiverem Lernen zur Anomalieerkennung/-entdeckung, Bayes'schem Regelmining und Beschreibung für Diversität/Erklärung/Interpretierbarkeit. Analyse der Einbindung von Feedback zu Labels mit Ensemble- und baumbasierten Detektoren. Beinhaltet gegnerische Angriffe mit Graph Convolutional Networks.

ICLR 2020: Kompositionsbasierte, multirelationale Graph-Convolutional-Networks

Repository für eine Sammlung von graphbasiertem Deep Learning für Kommunikationsnetzwerke.

Eine TensorFlow-Implementierung von Knowledge Graph Convolutional Networks