🤖 AI & Machine Learning

Этот GNN пожирает барселонские «грязные» данные из mesh-сетей — и преуспевает

Крыши Барселоны скрывают суровую правду: mesh-сети — дикие звери, а не аккуратные симуляции. GNN одной команды, обученный на 31 дне реальных данных GuifiSants, наконец-то приручает их.

Open Source Beat Apr 11, 2026 4 min read
Read in: English 日本語 한국어 Русский Türkçe
Визуализация графа mesh-сети GuifiSants с весами внимания GAT, выделяющими ненадежные соединения

⚡ Key Takeaways

  • Реальные данные GuifiSants — 31 день, 7 931 образец — превосходят синтетические графы для обучения GNN. 𝕏
  • GAT с 4 слоями и 8 головами автоматически изучает нюансы соединений, такие как заряд батареи и помехи. 𝕏
  • Точность 94.2%; экспорт в ONNX обеспечивает быстрый инференс на Rust на периферийных устройствах. 𝕏
James Kowalski
Written by

James Kowalski

Investigative tech reporter focused on AI ethics, regulation, and societal impact.

#GAT Models #GAT Routing #GAT Training #GNN Training #Graph Neural Networks #Mesh Networks #Real Data AI #Real Data Training #Real-World AI Data #Real-World Data
More in AI & Machine Learning →

Worth sharing?

Get the best Open Source stories of the week in your inbox — no noise, no spam.

Originally reported by Dev.to

Related Stories

📬

Stay in the loop

The week's most important stories from Open Source Beat, delivered once a week.

No spam. Unsubscribe any time.