#graph-neural-networks Repositories
Entdecke 91 aktive Open-Source-GitHub-Repositories, die mit #graph-neural-networks getaggt sind und insgesamt 192,913 Sterne gesammelt haben (durchschnittlich 2,119 Sterne pro Projekt). Spitzenreiter in diesem Themenbereich ist pyg-team/pytorch_geometric mit 24,149 Sternen.
Insgesamt 91 Repositories
Dieses Repository enthält Implementierungen und illustrativen Code zur Begleitung von DeepMind-Publikationen.
Python-Paket, das das Deep Learning auf Graphen erleichtert, auf bestehenden DL-Frameworks aufbauend.
Tauchen Sie ein in Deep Learning, Reinforcement Learning, Machine Learning, Computer Vision und NLP, indem Sie aus diesen spannenden Vorlesungen lernen!!
Bücher, Papiere, Videos und Werkzeugkästen zur Anomalieerkennung. Letztes Update Ende 2025 für LLM- und VLM-Arbeiten!
Links zu Konferenzpublikationen im graphenbasierten Deep Learning
RuVector bietet leistungsstarke Echtzeit-Entscheidungsfindung und Agentengedächtnis, selbstlernende KI sowie eine in Rust entwickelte Vektor-GNN-Datenbank.
SuperGlue: Lernen von Merkmalsüberschneidungen mit Graph Neural Networks (CVPR 2020, Oral)
Repräsentationslernen auf großen Graphen mit stochastischen Graphenkonvolutionen.
🔨 🍇 💻 🚀 GraphScope: Ein umfassendes System für groß angelegte Graphberechnungen von Alibaba | Ein umfassendes System für Graphberechnungen
AI for Science Aufsatz Interpretationen Sammlung (wird ständig aktualisiert), Aufsatz/Datensatz/Tutorial Download: hyper.ai
PyTorch Geometric Temporal: Spatiotemporal Signal Processing mit neuronalen maschinellen Lernmodellen (CIKM 2021)
Georäumliche Beziehungen in Graphen umwandeln für Graph Neural Networks und räumliche Netzwerkanalyse
Umfassende und zeitnahe akademische Informationen zum föderierten Lernen (Paper, Frameworks, Datensätze, Tutorials, Workshops)
Eine kuratierte Liste von Papieren und Ressourcen zur Erkennung von Betrug, Anomalien und Ausreißern auf Graph-/Transformer-Basis
😎 Eine aktuelle & kuratierte Liste von großartigen semi-überwachten Lernpapieren, Methoden & Ressourcen.
Temporales Graph-Convolutional-Netzwerk für die Vorhersage des städtischen Verkehrsflusses
Artikel über Vortraining und selbstüberwachtes Lernen auf Graph Neural Networks (GNNs).
Dieses Repository dient zur Unterstützung von Beiträgen für Tools für den Project CodeNet-Datensatz, der in DAX gehostet wird
Graph4nlp ist die Bibliothek für die einfache Nutzung von Graph Neural Networks für NLP. Besuchen Sie unsere DLG4NLP-Website (https://dlg4nlp.github.io/index.html) für verschiedene Lernressourcen!
Eine leistungsstarke und flexible Machine-Learning-Plattform für die Wirkstoffentdeckung
Code für das SIGGRAPH 2020 Paper "RigNet: Neural Rigging für artikulierte Charaktere"
Eine Python-Bibliothek für die Erkennung von Graphenausreißern (Anomalieerkennung)
Code für das TKDE-Papier „Selbstüberwachtes Lernen auf Graphen: Kontrastiv, generativ oder prädiktiv“
ktrain ist eine Python-Bibliothek, die Deep Learning und KI zugänglicher und einfacher anzuwenden macht
Dies ist das Repository für die Sammlung von Graph Neural Networks für die Verkehrsprognose.
Eine PyTorch-Adversarial-Bibliothek für Angriffs- und Verteidigungsmethoden auf Bildern und Graphen
Hands-On Graph Neural Networks mit Python, veröffentlicht von Packt
[IEEE T-KDE 2026] Awesome Deep Graph Clustering ist eine Sammlung von SOTA- und neuartigen Deep-Graph-Clustering-Methoden (Artikel, Codes und Datensätze).
Gemeinsame semantische Erkennung und Verbreitungssteuerung von Phishing-Angriffen in sozialen Medien durch LLama-basierte Modellierung
Dies ist ein Open-Source-Toolkit für heterogene Graph-Neuronale Netze (OpenHGNN), das auf DGL basiert.
Häufig gestellte Fragen
Welches ist das beliebteste #graph-neural-networks-Repository auf GitHub?
Das am höchsten eingestufte Open-Source-#graph-neural-networks-Projekt auf GitHub ist pyg-team/pytorch_geometric mit 24,149 Sternen. Graph Neural Network Bibliothek für PyTorch
Welche Programmiersprachen werden in #graph-neural-networks-Repositories am häufigsten verwendet?
Unter den am höchsten eingestuften #graph-neural-networks-Projekten auf GitHub sind Python, Jupyter Notebook, C++, HTML die am häufigsten verwendeten Programmiersprachen.
Wie wird das Ranking der #graph-neural-networks-Repositories berechnet?
Wir verfolgen 91 aktive Open-Source-Repositories, die mit #graph-neural-networks getaggt sind (500+ Sterne), mit insgesamt 192,913 Sternen und durchschnittlich 2,119 Sternen pro Repository. Die Rankings werden täglich über die GitHub-API aktualisiert.