Buchumschlag

Applying graph neural network to SupplyGraph for supply chain network

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
1. Verfasser:	Han, Kihwan
Format:	Preprint
Veröffentlicht:	2024
Schlagworte:	Machine Learning Artificial Intelligence
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

Do graph neural network states contain graph properties?
von: Pelletreau-Duris, Tom, et al.
Veröffentlicht: (2024)

SupplyGraph: A Benchmark Dataset for Supply Chain Planning using Graph Neural Networks
von: Wasi, Azmine Toushik, et al.
Veröffentlicht: (2024)

Graph neural networks informed locally by thermodynamics
von: Tierz, Alicia, et al.
Veröffentlicht: (2024)

Graph neural networks and non-commuting operators
von: Velasco, Mauricio, et al.
Veröffentlicht: (2024)

Robustness questions the interpretability of graph neural networks: what to do?
von: Lukyanov, Kirill, et al.
Veröffentlicht: (2025)

sHGCN: Simplified hyperbolic graph convolutional neural networks
von: Arévalo, Pol, et al.
Veröffentlicht: (2025)

Development of a graph neural network surrogate for travel demand modelling
von: Makarov, Nikita, et al.
Veröffentlicht: (2024)

Decomposing heterogeneous dynamical systems with graph neural networks
von: Allier, Cédric, et al.
Veröffentlicht: (2024)

Distill n' Explain: explaining graph neural networks using simple surrogates
von: Pereira, Tamara, et al.
Veröffentlicht: (2023)

Advanced atom-level representations for protein flexibility prediction utilizing graph neural networks
von: Sarparast, Sina, et al.
Veröffentlicht: (2024)

Kolmogorov-Arnold graph neural networks for chemically informed prediction tasks on inorganic nanomaterials
von: Volzhin, Nikita, et al.
Veröffentlicht: (2025)

On permutation-invariant neural networks
von: Kimura, Masanari, et al.
Veröffentlicht: (2024)

Sobolev acceleration for neural networks
von: Oh, Jong Kwon, et al.
Veröffentlicht: (2025)

Attention mechanisms in neural networks
von: Hays, Hasi
Veröffentlicht: (2026)

Unifying approach to uniform expressivity of graph neural networks
von: Luo, Huan, et al.
Veröffentlicht: (2026)

Addressing divergent representations from causal interventions on neural networks
von: Grant, Satchel, et al.
Veröffentlicht: (2025)

Flow reconstruction in time-varying geometries using graph neural networks
von: Danciu, Bogdan A., et al.
Veröffentlicht: (2024)

Effective backdoor attack on graph neural networks in link prediction tasks
von: Dai, Jiazhu, et al.
Veröffentlicht: (2024)

Principles of Lipschitz continuity in neural networks
von: Luo, Róisín
Veröffentlicht: (2026)

Linearity-based neural network compression
von: Dobler, Silas, et al.
Veröffentlicht: (2025)

Community detection robustness of graph neural networks
von: Goel, Jaidev, et al.
Veröffentlicht: (2025)

Graph neural network explanations reveal a topological signature of disease-associated hubs in biological networks
von: Higgins, Kyle, et al.
Veröffentlicht: (2026)

Understanding the dynamics of the frequency bias in neural networks
von: Molina, Juan, et al.
Veröffentlicht: (2024)

LayerCollapse: Adaptive compression of neural networks
von: Shabgahi, Soheil Zibakhsh, et al.
Veröffentlicht: (2023)

Towards graph neural networks for provably solving convex optimization problems
von: Qian, Chendi, et al.
Veröffentlicht: (2025)

Learning production functions for supply chains with graph neural networks
von: Chang, Serina, et al.
Veröffentlicht: (2024)

Planning in a recurrent neural network that plays Sokoban
von: Taufeeque, Mohammad, et al.
Veröffentlicht: (2024)

Understanding polysemanticity in neural networks through coding theory
von: Marshall, Simon C., et al.
Veröffentlicht: (2024)

Variational autoencoder-based neural network model compression
von: Cheng, Liang, et al.
Veröffentlicht: (2024)

Conditional computation in neural networks: principles and research trends
von: Scardapane, Simone, et al.
Veröffentlicht: (2024)

Utilizing Lyapunov Exponents in designing deep neural networks
von: Mittra, Tirthankar
Veröffentlicht: (2024)

Grey-informed neural network for time-series forecasting
von: Xie, Wanli, et al.
Veröffentlicht: (2024)

Elimination-compensation pruning for fully-connected neural networks
von: Ballini, Enrico, et al.
Veröffentlicht: (2026)

Concealed Adversarial attacks on neural networks for sequential data
von: Sokerin, Petr, et al.
Veröffentlicht: (2025)

Dopamine-driven synaptic credit assignment in neural networks
von: Nambusubramaniyan, Saranraj, et al.
Veröffentlicht: (2025)

Deep neural networks have an inbuilt Occam's razor
von: Mingard, Chris, et al.
Veröffentlicht: (2023)

A comparative analysis of a neural network with calculated weights and a neural network with random generation of weights based on the training dataset size
von: Geidarov, Polad
Veröffentlicht: (2025)

Inferred global dense residue transition graphs from primary structure sequences enable protein interaction prediction via directed graph convolutional neural networks
von: Ebeid, Islam Akef, et al.
Veröffentlicht: (2025)

Flexible SE(2) graph neural networks with applications to PDE surrogates
von: Bånkestad, Maria, et al.
Veröffentlicht: (2024)

Adaptive multiple optimal learning factors for neural network training
von: Challagundla, Jeshwanth
Veröffentlicht: (2024)