graph-neural-networks

Graph Neural Network Bibliothek für PyTorch

Ein Python-Paket zur Vereinfachung von Graph Deep Learning auf Basis bestehender DL-Frameworks.

Tauchen Sie ein in Deep Learning, Reinforcement Learning, Machine Learning, Computer Vision und NLP anhand dieser spannenden Vorlesungen!

Bücher, Arbeiten, Videos und Toolkits rund um Anomalieerkennung. Letztes Update Ende 2025 für LLM- und VLM-Arbeiten!

Links zu Konferenzpublikationen im Bereich graphbasiertes Deep Learning

Eine einheitliche, umfassende und effiziente Empfehlungsbibliothek

RuVector ist eine in Rust geschriebene Hochleistungs-, Echtzeit-, selbstlernende KI, ein Vektor-GNN und eine In-Memory-Datenbank.

SuperGlue: Learning Feature Matching with Graph Neural Networks (CVPR 2020, Oral)

🔨 🍇 💻 🚀 GraphScope: Ein All-in-One-System für groß angelegte Graphenberechnungen von Alibaba

StellarGraph – Maschinelles Lernen auf Graphen

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

Graph Neural Networks mit Keras und Tensorflow 2.

Benchmark-Datensätze, Datenlader und Evaluierungstools für Graph-Machine-Learning

Umfassende und aktuelle akademische Informationen zum Föderierten Lernen (Papers, Frameworks, Datensätze, Tutorials, Workshops)

Transformierung geospatialer Beziehungen in Graphen für Graph Neural Networks und raumbezogene Netzwerkanalysen

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

😎 Eine aktuelle und kuratierte Liste großartiger Papers, Methoden und Ressourcen zum semi-überwachten Lernen.

CogDL: Eine umfassende Bibliothek für Graph Deep Learning (WWW 2023)

Forschungsarbeiten zum Vortraining und selbstüberwachten Lernen bei Graph Neural Networks (GNNs).

Graph4nlp ist die Bibliothek zur einfachen Nutzung von Graph Neural Networks für NLP. Besuchen Sie unsere DLG4NLP-Website (https://dlg4nlp.github.io/index.html) für verschiedene Lernressourcen!

Eine leistungsstarke und flexible Plattform für maschinelles Lernen in der Wirkstoffforschung

Eine Python-Bibliothek zur Erkennung von Ausreißern in Graphen (Anomalieerkennung)

Code für das TKDE-Paper „Self-supervised learning on graphs: Contrastive, generative, or predictive“

Ein industrielles Graph Neural Network Framework

ktrain ist eine Python-Bibliothek, die Deep Learning und KI zugänglicher und einfacher anwendbar macht

Protein Graph Library

Ein AutoML-Framework und Toolkit für Machine Learning auf Graphen.

Programmierbare CUDA/C++ GPU-Graphenanalytik

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).