Projekty finansowane przez NCN
Głębokie modele sieci neuronowych dla nienadzorowanego uczenia reprezentacji danych grafowych
2021/41/N/ST6/03694
Słowa kluczowe:
grafy uczenie reprezentacji głębokie sieci neuronowe
Deskryptory:
- ST6_7: Sztuczna inteligencja, systemy inteligentne i wieloagentowe
Panel:
ST6 - Informatyka i technologie informacyjne: technologie i systemy informacyjne, informatyka, obliczenia naukowe, systemy inteligentne
Konkurs: PRELUDIUM 20 - ogłoszony 2021-03-15
Przyznana kwota: 92 110 PLN
Rozpoczęcie projektu: 2022-02-02
Zakończenie projektu: 2024-02-01
Planowany czas trwania projektu: 24 miesięcy (z wniosku)
Status projektu: Projekt rozliczony
Opis Projektu
Pobierz opis projektu w formacie .pdf
Uwaga - opisy projektów zostały sporządzone przez samych autorów wniosków i w niezmienionej formie umieszczone w systemie.
Dane z raportu końcowego/rocznego
- Publikacje w czasopismach (2)
- Teksty w publikacjach pokonferencyjnych (1)
- Graph Barlow Twins: A self-supervised representation learning framework for graphsAutorzy:Piotr Bielak, Tomasz Kajdanowicz, Nitesh V. ChawlaCzasopismo:Knowledge-Based Systems (rok: 2022, tom: 256, strony: 109631), Wydawca: ElsevierStatus:OpublikowanaDoi:10.1016/j.knosys.2022.109631 - link do publikacji
- Graph Barlow Twins: A self-supervised representation learning framework for graphsAutorzy:Piotr Bielak, Tomasz Kajdanowicz, Nitesh V. ChawlaCzasopismo:Knowledge-Based Systems (rok: 2022, tom: 256, strony: 109631), Wydawca: ElsevierStatus:OpublikowanaDoi:10.1016/j.knosys.2022.109631 - link do publikacji
- Representation learning in multiplex graphs: Where and how to fuse information?Autorzy:Piotr Bielak, Tomasz KajdanowiczKonferencja:Lecture Notes in Computer Science (rok: 2024, tom: International Conference on Computational Science 2024, strony: 3--18), Wydawca: Springer Nature SwitzerlandData:konferencja 02-04.07.2024Status:OpublikowanaDoi:10.1007/978-3-031-63778-0_1 - link do publikacji