graph-convolutional-networks

Biblioteca de Redes Neuronales de Grafos para PyTorch

enlaces a publicaciones de conferencias sobre deep learning basado en grafos

StellarGraph - Machine Learning en grafos

PyTorch Geometric Temporal: Procesamiento de señales espacio-temporales con modelos de aprendizaje automático neuronal (CIKM 2021)

Una lista curada de artículos y recursos sobre detección de fraudes, anomalías y valores atípicos basados en grafos y Transformers.

Implementación y explicación en PyTorch de artículos sobre aprendizaje de representación de grafos: DeepWalk, GCN, GraphSAGE, ChebNet y GAT.

Una biblioteca de PyTorch para métodos de ataque y defensa adversarios en imágenes y grafos

[IEEE T-KDE 2026] Awesome Deep Graph Clustering es una colección de métodos de agrupamiento de grafos profundos novedosos y de vanguardia (artículos, códigos y conjuntos de datos).

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

Una colección de métodos de detección de anomalías (basados en puntos/iid, grafos y series temporales) que incluye aprendizaje activo para la detección/descubrimiento de anomalías, minería de reglas bayesianas y descripción para diversidad/explicación/interpretabilidad. Análisis de incorporación de retroalimentación de etiquetas con detectores de conjunto y basados en árboles. Incluye ataques adversarios con Graph Convolutional Network.

ICLR 2020: Redes neuronales convolucionales de grafos multirrelacionales basadas en composición

Este es el repositorio para la colección de aprendizaje profundo basado en grafos para redes de comunicación.

Implementación en TensorFlow de redes neuronales convolucionales de grafos de conocimiento.