GCN: "ChatGPT for state and local agencies? Not so fast."
在这篇 GCN 文章中，高级研究员 Arthur Holland Michel 讨论了 ChatGPT 的一些可能的社会影响。
Best Graph Neural Network architectures: GCN, GAT, MPNN and more
探索最流行的 gnn 架构，例如 gcn、gat、mpnn、graphsage 和时间图网络
Public Access to JAGCNet Blocked
出于安全原因，ARCYBER 已下令屏蔽五角大楼总部企业网络 (HEN) 托管的众多网站。这会影响所有公共 JAGCNet 网站，并且该网站上的一些链接无法正常工作。
IEEE Transactions on Fuzzy Systems, Volume 33, Issue 3, March 2025
1) Exploring the Potential of Fuzzy Sets in Cyborg Enhancement: A Comprehensive ReviewAuthor(s): Hang Su, Salih Ertug Ovur, Zhaoyang Xu, Samer AlfayadPages: 810 - 8272) Hierarchical Rule-Base Reduction Fuzzy Control for Path Tracking Variable Linear Speed Differential Steer VehiclesAuthor(s): Samuel
Austria's Skyside adds first Citation Jet 3+
Skyside（SKV，维也纳）增加了第一架 Citation Jet 3+，OE-GCN（msn 525B-0696）。这架 1.7 年的飞机于 2025 年 1 月 30 日被添加到 Skyside 的航空运营商证书 (AOC) 中。这是 Ortac（泽西岛）之前运营的两架 Citation Jet 3+ 中的最后一架，在那里它被注册为 2-OTOD 并配置为最多可容纳 8 名乘客。这架喷气式飞机在前运营商的“ORT”代码下的最后一次飞行是在 2024 年 12 月 18 日，从鹿特丹飞往阿尔滕莱茵，它一直在那里停好。Ortac 退役了……
IEEE Transactions on Emerging Topics in Computational Intelligence, Volume 8, Issue 4, August 2024
1) 深度学习视频超分辨率综述作者：Arbind Agrahari Baniya、Tsz-Kwan Lee、Peter W. Eklund、Sunil Aryal页数：2655 - 26762) 神经动力学优化综述作者：Youshen Xia、Qingshan Liu、Jun Wang、Andrzej Cichocki页数：2677 - 26963) 用于知识图谱补全的图形结构增强预训练语言模型作者：Huashi Zhu、Dexuan Xu、Yu Huang、Zhi Jin、Weiping Ding、Jiahui Tong、Guoshuang Chong页数：2697 - 27084) 通过基
IEEE Transactions on Neural Networks and Learning Systems, Volume 35, Issue 6, June 2024
1) Editorial Special Issue on Explainable and Generalizable Deep Learning for Medical ImagingAuthor(s): Tianming Liu, Dajiang Zhu, Fei Wang, Islem Rekik, Xia Hu, Dinggang ShenPages: 7271 - 72742) Adversarial Learning Based Node-Edge Graph Attention Networks for Autism Spectrum Disorder Identificatio
Implementing rotation equivariance: Group-equivariant CNN from scratch
我们编写了一个简单的组等变卷积神经网络 (GCNN)，它与旋转等变。世界可能颠倒了，但网络会知道。
Upside down, a cat's still a cat: Evolving image recognition with Geometric Deep Learning
在关于组等变卷积神经网络 (GCNN) 的系列文章的第一篇中，我们将介绍主要参与者 — 组 — 和概念（等变）。通过 GCNN，我们终于重新讨论了几何深度学习这一主题，这是一种原则性、数学驱动的神经网络方法，其范围和影响力一直在不断扩大。
Sequence Feature Extraction for Malware Family Analysis via Graph Neural Network
恶意软件对我们的设备和生活造成了很大的危害。我们迫切希望了解恶意软件的行为及其造成的威胁。恶意软件的大多数记录文件都是可变长度的、带有时间戳的基于文本的文件，例如事件日志数据和动态分析配置文件。利用时间戳，我们可以将这些数据分类为基于序列的数据，以便进行后续分析。然而，处理可变长度的基于文本的序列很困难。此外，与自然语言文本数据不同，信息安全中的大多数序列数据都具有特定的属性和结构，例如循环、重复调用、噪声等。为了深入分析 API 调用序列及其结构，我们使用图来表示序列，这可以进一步研究信息和结构，例如马尔可夫模型。因此，我们设计并实现了一个注意力感知图神经网络 (AWGCN) 来分析 API
