NAS-bench-Graph

Figshare2022-06-15 更新2026-04-28 收录

图神经网络

图基准测试

数据链接：

https://figshare.com/articles/dataset/NAS-bench-Graph/20070371 数据链接链接失效反馈

官方服务：

资源简介：

refer to https://github.com/THUMNLab/NAS-Bench-Graph

创建时间：

2022-06-15

StructureSAT

图神经网络

SAT布尔可满足性问题

StructureSAT是一个大规模的饱和问题（SAT）数据集，由新南威尔士大学计算机科学与工程学院创建。该数据集包含来自不同问题领域的多样化SAT问题，旨在研究图神经网络（GNN）在SAT问题上的泛化能力。数据集涵盖了随机、设计、伪工业和工业等11个SAT领域，并研究了9种对传统SAT求解器有影响的图形结构属性。数据集通过结构属性对问题领域进行细分，以研究不同结构属性对GNN求解器泛化能力的影响

arXiv2025-02-17 更新110

STL-10

无监督图像特征学习

图基准测试

``` 受 CIFAR-10 数据集的启发，STL-10 是一个图像识别数据集，用于开发无监督机器和特征学习以及深度学习算法。与 CIFAR-10 相比，每个类的标记训练示例数量较少，并且在训练模型之前提供了大量未标记样本来学习图像模型。主要挑战是利用未标记的数据。随着该数据集的更高分辨率（96x96），预计在开发这种可扩展的无监督机器学习模型时，这将是一个更具挑战性的基准。 ```

OpenXLab50

RF-GCN_Dataset

图神经网络

图结构

Cora, Citeseer, and Pubmed are three citation networks for research papers, where nodes represent publications and edges denote citation links. Node attributes consist of bag-of-words representat

IEEE50

Neural Force Field Model Checkpoints

计算化学力场

图神经网络

Graph neural network model checkpoints accompanying the paper "Neural Scaling of Deep Chemical Models"

Figshare2022-05-13 更新60

GDL-DS: A Benchmark for Geometric Deep Learning under Distribution Shifts

几何深度学习基准

图神经网络

The following contains the datasets described in the paper: GDL-DS: A Benchmark for Geometric Deep Learning under Distribution Shifts, and the associated code can be found at https://github.com/Graph-

Zenodo2023-11-06 更新50

NAS-bench-Graph

资源简介：

相关数据集