arXiv cs.AI / cs.LG 最新· Yue Dai·· 3 天前AI 评分46
RAFT：面向时序图神经网络训练的冗余感知输入过滤框架
RAFT: Redundancy-Aware Input Filtering for Temporal Graph Neural Network Training
AI 导读
RAFT 是一个面向时序图神经网络（TGNN）训练的冗余感知输入过滤框架，通过追踪训练过程中的节点记忆变化识别冗余输入。它用根事件过滤器在训练前剔除部分预测目标，用支撑事件过滤器在采样时排除部分历史上下文。在三种 TGNN 模型和五个数据集上，RAFT 平均减少 35.23%、最高 97.11% 的训练输入，训练时间最多降低 52.56%，模型精度变化可忽略。
标题与摘要由 AI 辅助生成，事实与观点以原文为准。
来源：arXiv cs.AI / cs.LG 最新 · arxiv.org
本站标题、摘要与推荐理由由 AI 辅助生成；原文版权归来源所有。