《计算机工程与科学杂志》发表论文赏析
作者:张梦圆, 端阳, 王彬彬, 张蕾, 吴裔, 刘畅, 郭乃网, 程大伟
单位:1.国网上海市电力公司,上海 200122;2.同济大学计算机科学与技术学院,上海 201804
摘要:近年来,图生成问题受到了广泛关注。通过学习真实图的分布,图生成技术能够生成与其具有相似特征的合成图,广泛应用于电子商务、电力网络等各个领域。在实际应用中,大多数图是动态变化的,图的拓扑结构会随着时间的推移发生改变。然而,现有的图生成器主要针对静态图进行设计,忽略了图的时序特征,而且现有的动态图生成模型普遍存在训练时间长的问题,难以处理规模庞大的动态图。为了解决这些问题,提出了一种新的基于深度对抗网络的动态图生成模型DGGAN。模型编码器利用图自注意力机制实现并行计算,从而提升模型的训练效率,并使用门控机制来控制信息流动,帮助模型更有效地学习和记忆关键信息。在6个动态图数据集上对DGGAN和具有代表性的图生成模型进行全面的实验评估,实验结果表明,DGGAN在生成图的质量和效率上优于现有模型。
关键词:图生成;动态图;生成对抗网络,图自注意力机制,
基金资助:国家电网有限公司科技项目(52094024001D)
2025年4期其他文献查阅:
基于直接内存访问和动态共享缓冲区的超长向量归约操作硬件卸载结构与方法
基于非线性能量收集的非线性信息状态更新系统的信息新鲜度分析#br#
基于改进的YOLOv8n海洋动物目标检测算法:DPSC-YOLO