| PNA |
- RMSE
- 0.520±0.011
- R2
- 0.830±0.007
|
Principal Neighbourhood Aggregation for Graph Nets
2020-04-12 |
코드 1 · 코드 2 · 코드 3 · 코드 4 · 코드 5 · 코드 6 · 코드 7 · 코드 8 |
| GATv2 |
- RMSE
- 0.534±0.014
- R2
- 0.821±0.009
|
How Attentive are Graph Attention Networks?
2021-05-30 |
코드 1 · 코드 2 · 코드 3 · 코드 4 · 코드 5 · 코드 6 · 코드 7 · 코드 8 |
| GAT |
- RMSE
- 0.95
|
Graph Attention Networks
2017-10-30 |
코드 1 · 코드 2 · 코드 3 · 코드 4 · 코드 5 · 코드 6 · 코드 7 · 코드 8 · 코드 9 · 코드 10 · 코드 11 · 코드 12 · 코드 13 · 코드 14 · 코드 15 · 코드 16 · 코드 17 · 코드 18 · 코드 19 · 코드 20 · 코드 21 · 코드 22 · 코드 23 · 코드 24 · 코드 25 · 코드 26 · 코드 27 · 코드 28 · 코드 29 · 코드 30 · 코드 31 · 코드 32 · 코드 33 · 코드 34 · 코드 35 · 코드 36 · 코드 37 · 코드 38 · 코드 39 · 코드 40 · 코드 41 · 코드 42 · 코드 43 · 코드 44 · 코드 45 · 코드 46 · 코드 47 · 코드 48 · 코드 49 · 코드 50 · 코드 51 · 코드 52 · 코드 53 · 코드 54 · 코드 55 · 코드 56 · 코드 57 · 코드 58 · 코드 59 · 코드 60 · 코드 61 · 코드 62 · 코드 63 · 코드 64 · 코드 65 · 코드 66 · 코드 67 · 코드 68 · 코드 69 · 코드 70 · 코드 71 · 코드 72 · 코드 73 · 코드 74 · 코드 75 · 코드 76 · 코드 77 · 코드 78 · 코드 79 · 코드 80 · 코드 81 · 코드 82 · 코드 83 · 코드 84 · 코드 85 · 코드 86 · 코드 87 · 코드 88 · 코드 89 · 코드 90 · 코드 91 · 코드 92 · 코드 93 |
| GIN |
- RMSE
- 0.537±0.010
- R2
- 0.819±0.007
|
How Powerful are Graph Neural Networks?
2018-10-01 |
코드 1 · 코드 2 · 코드 3 · 코드 4 · 코드 5 · 코드 6 · 코드 7 · 코드 8 · 코드 9 · 코드 10 · 코드 11 · 코드 12 · 코드 13 · 코드 14 · 코드 15 · 코드 16 · 코드 17 · 코드 18 · 코드 19 |
| ESA (Edge set attention, no positional encodings) |
- RMSE
- 0.552±0.012
- R2
- 0.809±0.008
|
An end-to-end attention-based approach for learning on graphs
2024-02-16 |
코드 1 |
| DropGIN |
- RMSE
- 0.552±0.012
- R2
- 0.809±0.008
|
DropGNN: Random Dropouts Increase the Expressiveness of Graph Neural Networks
2021-11-11 |
코드 1 |
| GCN |
- RMSE
- 0.565±0.011
- R2
- 0.800±0.008
|
Semi-Supervised Classification with Graph Convolutional Networks
2016-09-09 |
코드 1 · 코드 2 · 코드 3 · 코드 4 · 코드 5 · 코드 6 · 코드 7 · 코드 8 · 코드 9 · 코드 10 · 코드 11 · 코드 12 · 코드 13 · 코드 14 · 코드 15 · 코드 16 · 코드 17 · 코드 18 · 코드 19 · 코드 20 · 코드 21 · 코드 22 · 코드 23 · 코드 24 · 코드 25 · 코드 26 · 코드 27 · 코드 28 · 코드 29 · 코드 30 · 코드 31 · 코드 32 · 코드 33 · 코드 34 · 코드 35 · 코드 36 · 코드 37 · 코드 38 · 코드 39 · 코드 40 · 코드 41 · 코드 42 · 코드 43 · 코드 44 · 코드 45 · 코드 46 · 코드 47 · 코드 48 · 코드 49 · 코드 50 · 코드 51 · 코드 52 · 코드 53 · 코드 54 · 코드 55 |
| GraphGPS |
- RMSE
- 0.579±0.006
- R2
- 0.790±0.004
|
Recipe for a General, Powerful, Scalable Graph Transformer
2022-05-25 |
코드 1 · 코드 2 · 코드 3 · 코드 4 |
| ProtoS-L2 |
- RMSE
- 0.580
|
Optimal Transport Graph Neural Networks
2020-06-08 |
코드 1 · 코드 2 |
| C-SGEN+ Fingerprint |
- RMSE
- 0.650
|
Molecule Property Prediction Based on Spatial Graph Embedding
2019-08-22 |
코드 1 |
| GC |
- RMSE
- 0.655
|
Convolutional Networks on Graphs for Learning Molecular Fingerprints
2015-09-30 |
코드 1 · 코드 2 · 코드 3 · 코드 4 · 코드 5 · 코드 6 · 코드 7 · 코드 8 |
| Weave |
- RMSE
- 0.715
|
Molecular Graph Convolutions: Moving Beyond Fingerprints
2016-03-02 |
코드 1 · 코드 2 |
| MPNN |
- RMSE
- 0.719
|
Neural Message Passing for Quantum Chemistry
2017-04-04 |
코드 1 · 코드 2 · 코드 3 · 코드 4 · 코드 5 · 코드 6 · 코드 7 · 코드 8 · 코드 9 · 코드 10 · 코드 11 · 코드 12 · 코드 13 · 코드 14 · 코드 15 · 코드 16 · 코드 17 · 코드 18 · 코드 19 · 코드 20 |
| Graphormer |
- RMSE
- 0.791±0.048
- R2
- 0.607±0.048
|
Do Transformers Really Perform Bad for Graph Representation?
2021-06-09 |
코드 1 · 코드 2 · 코드 3 · 코드 4 · 코드 5 |
| XGBoost |
- RMSE
- 0.799
|
Molecular Property Prediction: A Multilevel Quantum Interactions Modeling Perspective
2019-06-25 |
코드 1 · 코드 2 |
| TokenGT |
- RMSE
- 0.852±0.023
- R2
- 0.545±0.024
|
Pure Transformers are Powerful Graph Learners
2022-07-06 |
코드 1 · 코드 2 |
| RF |
- RMSE
- 0.876
|
Molecular Property Prediction: A Multilevel Quantum Interactions Modeling Perspective
2019-06-25 |
코드 1 · 코드 2 |
| ARMA |
- RMSE
- 0.894
|
Graph Neural Networks with convolutional ARMA filters
2019-01-05 |
코드 1 |
| AGNN |
- RMSE
- 0.963
|
Attention-based Graph Neural Network for Semi-supervised Learning
2018-03-10 |
코드 1 |
| SGC |
- RMSE
- 0.998
|
Simplifying Graph Convolutional Networks
2019-02-19 |
코드 1 · 코드 2 · 코드 3 · 코드 4 · 코드 5 · 코드 6 · 코드 7 |
| CensNet |
- RMSE@80%Train
- 0.93
|
CensNet: Convolution with Edge-Node Switching in Graph Neural Networks
2019-08-10 |
연결 없음 |
| Logistic Regression |
- RMSE@80%Train
- 1.15
|
CensNet: Convolution with Edge-Node Switching in Graph Neural Networks
2019-08-10 |
연결 없음 |
| Random Forests |
- RMSE@80%Train
- 1.16
|
CensNet: Convolution with Edge-Node Switching in Graph Neural Networks
2019-08-10 |
연결 없음 |