改进门控图网络

标签信息不丢失

采用改进的门控循环单元集成边特征，减少标签信息丢失并降低计算复杂度。

Peixiao, Zheng · 郭新 · 陈恩庆 · 齐林 · Guan, Ling

Pattern Recognition 2024

技术优势

标签信息不丢失

改进的门控循环单元减轻了初始图中标签信息的丢失，使模型能更充分利用标注信息进行少样本分类。

计算更省

改进的门控循环单元同时降低了计算复杂度，使模型在保持性能的同时更加高效。

性能相当

在两个基准数据集上的实验表明，该网络取得了与最先进方法相当的性能。

应用场景

• 少样本学习：在少量标注样本下实现高精度分类，减少数据标注成本。
• 图神经网络：利用图结构建模样本关系，提升少样本任务中的特征传播效率。
• 模式识别：为图像与模式分类提供可扩展的图网络骨干。