(GNN)

SCR-MCR：正则项， OGB榜单--清华唐杰-- 可扩展图学习

我们将一致性正则化方法与两种最先进的gnn结合起来，并在ogbn上进行了实验。introduction许多研究论文表明，在训练中使用带有少量标记数据的未标记数据可以提高模型的性能。由
Complicated__76·2022-12-01 14:29

Make GNN Great Again：图神经网络上的预训练和自监督学习

来源：RUCAIBox本文约6500字，建议阅读13分钟本文梳理近年来GNN预训练和自监督学习/对比学习的相关工作。1引言近些年来，对图神经网络（GNN）的研究如火如荼。
数据派THU·2022-12-01 12:50

【GNN】图神经网络的解释性综述

来自：图与推荐图神经网络的可解释性是目前比较值得探索的方向，今天解读的2021最新综述，其针对近期提出的GNN解释技术进行了系统的总结和分析，归纳对比了该问题的解决思路。
zenRRan·2022-12-01 12:16

【GNN综述】图神经网络的解释性综述

来自：图与推荐‍‍‍‍图神经网络的可解释性是目前比较值得探索的方向，今天解读的2021最新综述，其针对近期提出的GNN解释技术进行了系统的总结和分析，归纳对比了该问题的解决思路。
zenRRan·2022-12-01 12:16

Mac本地安装pytorch geometric库（绝对可用）

geometric库是GNN非常常用的库，但是安装很费劲，之前在实验室服务器配置环境时就花了很多时间，现在由于需要用到一些图形化界面，就需要在本地跑原来的代码，所以开始在本地配置geometric的环境
土豆-土豆·2022-12-01 00:57

CS224W: Machine Learning with Graphs - 08 GNN Augmentation and Training

GNNAugmentationandTraining0.AGeneralGNNFrameworkIdea:rawinputgraph≠\neq=computationalgraphGraphfeatureaugmentationGraphstructuremanipulation1).WhyAgumentGraphs?Ourassumptionsofarhasbeen:rawinputgraph
xbfu-xjtu·2022-11-30 23:21

GNN在推荐系统的应用——＞GC-MC与STAR-GCN

GNN——>推荐系统（两个算法）文章目录GNN——>推荐系统（两个算法）前言一、GC-MC1、总体结构2、GraphEncoder部分3、GraphDecoder部分4、损失函数5、实验结果6、不足二、
正经放·2022-11-30 16:18

HOW POWERFUL ARE GRAPH NEURAL NETWORKS? 论文阅读

Codelink：https://github.com/weihua916/powerful-gnns摘要：GNN对于图形的特征很有效，其可以通过不断汇聚领节点的信息，GNN的变体在节点还是图形分类方面都取得很多的成就
weixin_44576543·2022-11-30 15:33

How powerful are graph neural networks

摘要图神经网络（GNN）是用于图的表示学习的有效框架。GNN遵循邻域聚合方案，其中节点的表示向量是通过递归聚合和转换其相邻节点的表示向量来计算的。
zzzzz忠杰·2022-11-30 15:32

图神经网络基础学习

注：本篇博客公式格式没有经过认真编辑，欢迎去我的博客：http://www.pinkman.tech/index.php/tech/2021/gnn-basic/或者知乎：https://zhuanlan.zhihu.com
Chris-2021·2022-11-30 15:55

图神经网络task2——消息传递

GCNConv`实现步骤（1）向邻接矩阵添加自环边（2）对节点的特征矩阵进行线性变换（3）对变换后的节点特征进行标准化（4）归一化j中的节点特征（5）将节点特征求和参考文献1、消息传递范式消息传递是实现GNN
Wmnyang·2022-11-30 15:52

HOW POWERFUL ARE GRAPH NEURAL NETWORKS? 论文理解

摘要作者在摘要里提到，本文是提供一个理论的评估GNN的表达能力的框架，并且提供了一个可证明的有最大的表达能力的GNN模型引言作者在引言里提到设计GNN主要是基于经验，直觉，实验结果等，不太好。接着接着
Rising_Flashlight·2022-11-30 15:21

PGL图学习之基于GNN模型新冠疫苗任务[系列九]

PGL图学习之基于GNN模型新冠疫苗任务[系列九]项目链接：https://aistudio.baidu.com/aistudio/projectdetail/5123296?
汀、·2022-11-30 11:17

简单对抗神经网络GAN实现与讲解-图片对抗

代码实现集合：GitHub-eriklindernoren/Keras-GAN:KerasimplementationsofGenerativeAdversarialNetworks.3、这里简单说以下GNN
行码阁119·2022-11-30 11:16

逆势而上的技术：图神经网络学习来了！

相比传统神经网络，图神经网络的优势非常明显：1、非顺序排序的特征学习：GNN的输出不以节点的输入顺序为转移的。2、两个节点之间依赖关系的学习：传统的神经网络中，这种依赖关系只能通过节点的特征来体现。
PaperWeekly·2022-11-30 11:12

干货！基于生成对抗图网络的不平衡网络嵌入

然而，现有的GNN大多只关注平衡网络，在不平衡网络上的性能不理想。为了弥补这一缺陷，本文提出了生成式对抗图网络模型ImGAGN来解决图上的不平衡分类问题。
AITIME论道·2022-11-30 11:10

深度学习 之 GNN生成对抗网络

原理解析视频讲解：什么是GAN（生成对抗网络）？【知多少】_哔哩哔哩_bilibilipytorch实现：暂无
奥利奥利奥利奥·2022-11-30 11:09

基于GNN，强于GNN：胶囊图神经网络的PyTorch实现 | ICLR 2019

点击上方“小白学视觉”，选择加"星标"或“置顶”重磅干货，第一时间送达【导读】胶囊图神经网络（CapsGNN）是在GNN启发下诞生了基于图片分类的新框架。
小白学视觉·2022-11-30 10:20

2021你还在手写SQL吗？万字综述Text to SQL技术

、背景二、任务介绍三、数据集四、方法4.1基于模板和规则4.2基于Seq2Seq框架4.2.1编码方法4.2.1.1Table-aware4.2.1.2AnonymousEncoding4.2.1.3GNN4.2.1.4Relation-AwareSelf-Attention4.2.1.5
阿_牛·2022-11-30 00:52

GNN最佳项目实践

包含x和y的sample，三个step作为x307个传感器，12个stepsample比原始数据少12，307一个平面，3394sample的个数training的数据集的step_num,12个x去预测ynum_nodes，307个传感器input_size，3个特征device，是gpu上面字典，key取24minutes
fu_gui_mu_dan·2022-11-29 14:26

图神经网络在生物医药领域的12项研究综述

其中，图神经网络（GNN）是一类用于处理图域信息的神经网络，由于有较好的性能和可解释性，现已被广泛应用到各个领域。图是一种强大的工具，可以表示由各种人工和自然过程产生的丰富而复杂的数据。
智源社区·2022-11-29 13:04

【无标题】

SR-GNN论文的核心方法模型结构图1.1构建SessionGraph1.2通过GNN学习Item的向量表征1.3session的embedding表示总结paddle，datawhale开源代码参考论文的核心方法
中三边肥·2022-11-29 00:21

论文阅读：GraphSNN

2022年ICLR高分论文GraphSNNGNN的缺陷GNN的一个核心思想就是，从邻域结点聚合信息，再和自己的信息combine形成下一层的信息每一个结点的计算图如上图所示。
weixin_42331532·2022-11-28 23:15

【kg推荐-＞精读】Differentiable Sampling on Knowledge Graph for Recommendation with Relational GNN

DSKReGDifferentiableSamplingonKnowledgeGraphforRecommendationwithRelationalGNNAbstract出现冷启动问题时，将KGs作为sideinformation可以缓解这一问题。问题：nodedegrees是倾斜（skewed）的；KGs中大量交互是推荐无关的。解决：本文提出一种基于知识图谱的可微抽样推荐方法。设计了一种可微分
小明2766·2022-11-28 23:38

Releasing Graph Neural Networks with Differential Privacy Guarantees

本文提出了一种针对于图的特殊学生GNN模型释放方式，不需要分割数据集PrivGnn。使用公开数据集训练学生模型，部分隐私
ren2966717445·2022-11-28 14:16

卡内基梅隆大学开源：图神经网络和多样性采样的联合3D跟踪和预测

首先，我们通过引入图形神经网络（GNN）来提出一种功能交互技术，以捕获多个代理相互交互的方式。GNN能够对复杂的层次结构交
imalg图像算法·2022-11-28 13:03

推荐模型-上下文感知-2019：Fi-GNN

Fi-GNN:ModelingFeatureInteractionsviaGraphNeuralNetworksforCTRPrediction"inCIKM2019.Referencecode:-https
u013250861·2022-11-28 13:28

DGL学习笔记——第二章 消息传递范式

提示：DGL用户指南学习中文章目录一、内置函数和消息传递API二、编写高效的消息传递代码总结消息传递是实现GNN的一种通用框架和编程范式。它从聚合与更新的角度归纳总结了多种GNN模型的实现。
斯外戈的小白·2022-11-28 07:49

图神经网络（二）：知识点整理

文章目录一.知识图谱与图神经网络的关系1.时代特性2.结构特性3.应用特性二.图神经网络知识体系1.GNN简介2.GNN的通用设计流程2.1查找图结构2.2明确图类型和规模2.3设计损失函数2.4通过计算模块构造模型
J_Xiong0117·2022-11-28 07:16

GNN、GCN原理及推导

在这里插入图片描述GNN分为两个角度去研究，一个空间域，一个谱域。
要成为手撕公式的男人·2022-11-28 07:44

“知识图谱+”系列：知识图谱+图神经网络

最近有很多朋友联系泽宇说想了解一些知识图谱和图神经网络（GNN）结合的研究。那泽宇当然要满足朋友们的要求啊，本期泽宇从知识图谱的几个不同研究方向总结了结合GNN的经典研究，也和大家一起分享。
ngl567·2022-11-28 07:44

NLP 图神经网络之GNN、GCN、GAT原理理解+面试必考知识点

暂时更新了GNN,GCN,GAT。后续有空继续补充其他经典模型，如GraphSAGE,R-GCN。
#苦行僧·2022-11-28 07:41

序列推荐阅读指南，从MC到Attention，附所有论文PDF～

前言本文是对序列推荐从MC到RNN、CNN再到Attention、GNN的总结。整理了自己阅读过的或放着忘了看的论文，希望可以给其他人一个参考。
Blank_spaces·2022-11-27 21:03

知识图谱推理论文阅读 Learning to Walk across Time for Interpretable Temporal Knowledge Graph

来源：2021KDD模型代码：https://github.com/sharkmir1/T-GAP主要贡献1、提出了一种新的GNN编码器能够从时序知识图谱中有效地捕捉查询相关的信息。
一只小小小猫(^･ｪ･^)·2022-11-27 13:37

7天搞定图神经网络，实战助力新冠疫情防控！

相比传统神经网络，图神经网络的优势非常明显：1、非顺序排序的特征学习：GNN的输出不以节点的输入顺序为转移的。2、两个节点之间依赖关系的学习：传统的神经网络中，这种依赖关系只能通过节点的特征来体现。
飞桨PaddlePaddle·2022-11-27 12:33

图机器学习(GML)&图神经网络(GNN)原理和代码实现(前置学习系列二）

文章篇幅有限，部分程序出图不一一展示，详情进入项目链接即可图机器学习(GML)&图神经网络(GNN)原理和代码实现（PGL）[前置学习系列二]上一个项目对图相关基础知识进行了详细讲述，下面进图GMLnetworkx
汀丶人工智能·2022-11-27 11:32

【图神经网络学习笔记系列】01-Graph Attention Networks 学习笔记

GraphAttentionNetworks学习笔记这是一个excitingfield前提引入：1.图神经网络GNN介绍：https://www.bilibili.com/video/BV1Tf4y1i7Go8
Zach_菠萝侠·2022-11-27 08:23

GRU是什么？RNN、LSTM分别是什么？

前言最近在学习图神经网络（GNN）的过程中，遇到很多不懂的地方，深度学习的基础没有掌握好。最早的GNN网络（详情见GNN）可以被用于处理有环图、有向图或无向图。
lijfrank·2022-11-27 07:53

第5章：训练图神经网络

第5章：训练图神经网络概述本章通过使用第2章：消息传递范式中介绍的消息传递方法和第3章：构建图神经网络（GNN）模块中介绍的图神经网络模块，讲解了如何对小规模的图数据进行节点分类、边分类、链接预测和整图分类的图神经网络的训练
发呆的比目鱼·2022-11-27 06:24

Datawhale 6月学习——图神经网络：基于GNN的节点表征学习

前情回顾图神经网络：图数据表示及应用图神经网络：消息传递图神经网络1图节点表征学习即学习图中节点上的特征。在节点预测任务中，我们拥有一个图，图上有很多节点，部分节点的预测标签已知，部分节点的预测标签未知。我们的任务是根据节点的属性(可以是类别型、也可以是数值型)、边的信息、边的属性（如果有的话）、已知的节点预测标签，对未知标签的节点做预测。这里可以通过一个案例来进行理解（案例及图来自TA补充课：G
SheltonXiao·2022-11-27 05:51

性能超越图神经网络，将标签传递和简单模型结合实现SOTA

然而，对于GNN为什么在实际使用中很成功以及它们是否是优异性能所必需的技术，了解相对较少。
zenRRan·2022-11-27 05:21

电力系统分析 | Pytorch实现图神经网络 (GNN) 与传统多层感知器 (MLP)的电力系统分析

电力系统分析|Pytorch实现图神经网络(GNN)与传统多层感知器(MLP)的电力系统分析效果分析基本介绍
小橘算法屋·2022-11-27 05:43

GNN教程：图注意力网络（GAT）详解！

↑↑↑关注后"星标"Datawhale每日干货&每月组队学习，不错过Datawhale干货作者：秦州，算法工程师，Datawhale成员引言本文为GNN教程的第四篇文章【GAT网络】，在前几篇博文中，我们讨论了基本的图神经网络算法
Datawhale·2022-11-27 03:18

深入浅出了解GNN的几种变体

接上篇博客，这周主要学习了GraphSAGE，GAT，R-GCN三种GNN的变体模型，从空域的角度出发，对节点的嵌入表征进行了深入的研究。
Wisley.Wang·2022-11-27 02:40

《深入浅出图神经网络》读书笔记（9.基于GNN的图表示学习）

文章目录9.基于GNN的图表示学习9.1图表示学习9.2基于GNN的图表示学习9.2.1基于重构损失的GNN9.2.2基于对比损失的GNNa.邻居作为上下文b.子图作为上下文c.全图作为上下文9.基于GNN
ppgodcsy·2022-11-27 02:09

《深入浅出图神经网络》读书笔记（8. 图分类）

DIFFPOOL3.EigenPooling8.2.2基于TopK的池化机制8.2.3基于边收缩的池化机制8.图分类对于非规则结构的图数据，之前的固定大小滑窗形式的池化操作不再适用，在图分类中实现层次化池化的机制，是GNN
ppgodcsy·2022-11-27 02:08

《深入浅出图神经网络》读书笔记（7.GNN的变体与框架）

文章目录7.GNN的变体与框架7.1GraphSAGE7.1.1采样邻居7.1.2聚合邻居7.1.3算法过程7.4GNN的通用框架7.4.1MPNN7.4.2NLNN7.4.3GN7.GNN的变体与框架
ppgodcsy·2022-11-27 02:29

化合物分子 ogb、dgl生成图网络及GNN模型训练；pgl图框架

参考：https://towardsdatascience.com/learn-to-smell-molecules-with-graph-convolutional-neural-networks-62fa5a826af5https://github.com/snap-stanford/ogbhttps://github.com/dmlc/dgl/blob/master/examples/pyt
loong_XL·2022-11-27 00:31

CNN中2d卷积算子的分析与实验

CNN中2d卷积算子的分析与实验为了和之前的GNN中图卷积算子的实验相对应，本次实验主要对CNN中的2d卷积进行了分析。
智慧的旋风·2022-11-27 00:23

安装torch_scatter,torch-sparse,torch-cluster,torch-spline-conv,torch-geometric

最近在学一个关于GNN的项目，需要安装torch_scatter,torch-sparse,torch-cluster,torch-spline-conv,torch-geometric。
杰伦的大眼睛·2022-11-26 19:24
上一页 11 12 13 14 15 16 17 18 下一页
按字母分类： ABCDEFGHIJKLMNOPQRSTUVWXYZ其他