超图计算模型

少80%数据，同精度

用超边建模数据、知识与规则之间的高阶关联，以协同计算实现灵活建模，打破图结构只能表达成对关系的限制。

Gao, Yue · Ji, Shuyi · Xiangmin, Han · Qionghai, Dai

Engineering 2024

参数信息

数据需求减少比例

80 %

性能提升比例

52 %

技术优势

少80%数据

在3D物体识别任务中，超图计算利用高阶关联增强数据，仅需传统方法20%的数据量即可达到相当的性能，显著降低数据采集和标注成本。

同数据性能提升52%

在数据量相同的条件下，超图计算通过协同建模高阶关联，将3D物体识别的性能提升52%，优于传统基于数据的方法。

建模更灵活

超图计算通过超边对数据、知识和规则之间的高阶关联进行统一建模，并实现协同计算，突破了传统图结构仅能表达成对关系的限制，适用于复杂系统。

开源工具可用

提供开源深度学习库DeepHypergraph（DHG），可直接用于构建超图模型，降低实际应用门槛。

应用场景

• 3D视觉：用于3D物体识别时，可将数据需求降低80%或同等数据下性能提升52%。
• 小样本学习：利用高阶关联增强数据，在数据稀缺场景下仍能达到高性能。
• 深度学习框架：提供开源库DeepHypergraph（DHG），可直接用于构建超图深度学习模型。
• 图神经网络：通过超边建模高阶关联，扩展传统图神经网络仅能处理成对关系的局限。
• 生物网络分析：可对生物网络中的高阶关联进行建模，用于复杂生物系统分析。