GrapNet introduce un sustrato de grafos neurales programable donde las ediciones de la arquitectura son operaciones de primera clase. Supera a los MLP densos en Split Fashion-MNIST y CIFAR-10, logrando ganancias de precisión del 63.16% y 3.81% respectivamente, con resultados estadísticamente significativos.
arxiv
arXiv cs.LG
·
hace 2 h
·
fuente: hace 11 d
·
research
GrapNet: Un sustrato de grafos neurales de arquitectura dinámica programable
Traducido del English → Español
Benchmarks
| Benchmark | Modelo | Puntuación |
|---|---|---|
| SWE-bench Verified | GrapNet+ER | 63.16percent |
| SWE-bench Verified | MLP+ER | 51.08percent |
| SWE-bench Verified | GrapNet | 3.81pts |
| SWE-bench Verified | MLP-256 | — |