GraphOmakase
10 Research Areas & Spotlight Papers to Check Out in NeuralIPS 2024 : "Exploitation of a Latent Mechanism in Graph Contrastive Learning: Representation Scattering" video link : https://www.youtube.com/watch?v=sBJwpn8yZhg&t=74s, https://www.youtube.com/watch?v=FcGk4_rZUpo * 올해의 마지막, 12월 4주차 그래프
GraphOmakase
Higher-order GNNs Meet Efficiency: Sparse Sobolev Graph Neural Networks paper link : https://www.arxiv.org/pdf/2411.04570 official code : https://github.com/jhonygiraldo/S2-GNN?tab=readme-ov-file * 그래프 신경망의 주요 학습 메커니즘으로 사용되고 있는 메세지 전달 프로세스에 대해서는 모두들 잘 아시고 계실 겁니다. 주변 이웃 노드의 정보를 집계하여 자신의 정보를
GraphOmakase
Graph Neural Networks for Edge Signals: Orientation Equivariance and Invariance paper link: https://arxiv.org/abs/2410.16935 official code : https://github.com/dfuchsgruber/eign?utm_source=catalyzex.com * 이번 주 오마카세는 엣지 신호 모델링 측면에서 Direction, Orientation의 2가지 독립적 엣지 특성을 모두 포착할 수 있는 Direction-aware Topological Model, EIGN을
GraphOmakase
Vertex, Edge, Clique: What's in a Graph? Youtube link : https://www.youtube.com/watch?v=MCfp8p7tETk * 어느덧 24년의 마지막 12월이 찾아 왔습니다. 올 한해 독자 여러분들 정말 고생많으셨고, 그래프 오마카세와 함께 해주셔서 언제나 감사드립니다. * 이번 주 오마카세는 글이 아닌 Bastian 교수님의 최근 유튜브에 업로드된 1시간 분량의 강연으로 전달해드리고자
GraphOmakase
Hodge-Compositional Edge Gaussian Processes paper link : https://arxiv.org/abs/2310.19450 official code : https://github.com/cookbook-ms/Hodge-Edge-GP Contents * Edge Functions on Simplicial Complexes (recaps) * Edge Gaussian Processes * Hodge-compositional Edge GPs * Node-Edge-Triangle GP Interactions * '왜 그래프에 가우시안 프로세스를 적용하려 했을까? 어떠한 방식으로 정의하였는가? 그래서 핵심은 뭔가?' 최근
GraphOmakase
Graph Classification Gaussian Processes via Hodgelet Spectral Features paper link : https://arxiv.org/abs/2410.10546 * 최근 연구실의 세미나 발표를 듣고, 그래프 가우시안 프로세스 (graph GPs)이라는 분야에서의 다양한 연구들을 접하게 되었습니다. 저는 다음 확률적 프로세스 (Stochastic processes)에 대한 관련 지식이 넓지 않지만 해당 발표를 들으면서 흥미로운 내용들이 많이
GraphOmakase
[AD]GUG 6번째 세미나 안녕하세요 GUG 입니다. 연말이라 그런지, 여기저기 서밋 컨퍼런스들이 많이 열리고 있네요! 이 흐름을 타서 GUG또한 세미나를 개최합니다. 이번 행사는 감사하게도 SKT Devocean에서 공간후원을 해주셨어요. 역시 국내 개발자 생태계를 위해 아낌없이 지원을 해주는 좋은 플랫폼! 데보션 ! GraphRAG와 그래프의 뼈대가 되는 온톨로지가 이번 행사 주제입니다. 다음에 해당되는 분들에게
GraphOmakase
Generalized Simplicial Attention Neural Networks (1) paper link : https://arxiv.org/abs/2309.02138 official code : https://github.com/luciatesta97/Generalized-Simplicial-Attention-Neural-Networks?utm_source=catalyzex.com Index * Recaps : Signal processing on Simplicial complexes * Extended Simplicial complex filters * 저번 주 오마카세에서는 데이터 상에 내재하는 다양한 토폴로지 표현 (e.g. Simplicial-, Cell-complex)들을
GraphOmakase
TopoTune : A Framework For Generalized Combinatorial Complex Neural Networks paper link : https://arxiv.org/abs/2410.06530 official link : https://github.com/geometric-intelligence/TopoBenchmark?utm_source=catalyzex.com Index * What is combinatorial complex ? --> N_up&down incidence, N_up&down Adjacency, Augmented Hasse Graphs, CCNN'
GraphOmakase
On the Expressivity of Persistent Homology in Graph Learning paper link : https://arxiv.org/pdf/2302.09826 Index * Properties of Filtrations * The Weisfeiler-Leman Hierarchy * 이전에는 단순 데이터의 Statistical analysis의 descriptor로만 사용되었던 토폴로지 기법들은 딥러닝 시대에 들어서면서 일명 토폴로지 딥러닝 (TDL) 이라는 도메인이 정의될 정도로 그 잠재성을 크게 인정받고 최근 많은
GraphOmakase
Persistent Homology based Graph Convolution Network for Fine-grained 3D shape Segmentation paper link : https://openaccess.thecvf.com/content/ICCV2021/papers/Wong_Persistent_Homology_Based_Graph_Convolution_Network_for_Fine-Grained_3D_Shape_ICCV_2021_paper.pdf * 물체를 정확하게 이해하기 위해서는 먼저 그 물체를 구성하는 요소들 하나하나를 정확하게 인식하고, 그로부터 전체적인 형상을
GraphOmakase
배지훈 CliquePH: Higher-Order Information for Graph Neural Networks through Persistent Homology on Clique Graphs paper link : https://www.arxiv.org/abs/2409.08217 Index * What is clique graph ? * Methodology : Graph Lifting * Methodology : Learnable Persistent Homolgy * Methodology : Information Combination * 안녕하세요 오마카세 독자 여러분들. 어느덧 제가 그래프 오마카세를 여러분들께 발행해드린지 어느덧 9개월의