محققان در پژوهشی جدید، فریمورک «ChiGAD» را معرفی کردهاند که با استفاده از «فیلترهای کای-دو» (Chi-Square)، انقلابی در تشخیص ناهنجاری در شبکههای ناهمگن ایجاد میکند.
چالش اصلی در شبکههای گراف ناهمگن، تفاوت ساختاری گرهها و لبههاست. مدل جدید ChiGAD با سه نوآوری کلیدی:
۱. استفاده از فیلترهای چندگانه برای تحلیل مسیرهای مختلف؛
۲. حفظ اطلاعات فرکانس بالا در پردازش گراف؛
۳. مدیریت هوشمند دادههای نامتوازن،
توانسته است عملکرد بهتری نسبت به روشهای پیشین در صنایع مختلف داشته باشد.
اگر در حوزه علوم داده و گرافهای عصبی فعالیت میکنید، میتوانید کدهای این پروژه را در گیتهاب بررسی کنید.
🔗 لینک پروژه: https://github.com/HsipingLi/ChiGAD
های_عصبی
منبع: arXiv AI