(GNN) 第22页

图神经网络：GAT图注意力网络原理和源码解读（tensorflow）

图注意力网络，注意力机制，GAT，tensorflow本文内容分为三块：GAT原理扫盲GAT源码阅读（tensorflow）GAT源码链路分析GAT的GraphSAGE策略实现分析原理初步理解（1）从GNN

xiaogp·2022-07-04 17:51

DGL笔记3——自己写一个GNN模型

原文：WriteyourownGNNmoduleDGL笔记1——用DGL表示图DGL笔记2——用DGL识别节点DGL笔记3——自己写一个GNN模型之前我们学习了DGL怎么表示一个图，然后怎么写一个简单的

Dr_David_S·2022-07-04 07:20

第七周.02.Tree LSTM代码讲解

Batching题外话：代码Step2:Tree-LSTMcellwithmessage-passingAPIsStep3:DefinetraversalTreeLSTM模型main函数本文内容整理自深度之眼《GNN

oldmao_2000·2022-07-04 07:20

第三周.03.异质图应用

文章目录创建简单数据集原始数据准备建图创建图分类数据集准备数据建图大图的处理：Sampling理论实操环境准备和数据载入采样MFG建模训练动态异质图的应用本文内容整理自深度之眼《GNN核心能力培养计划》

oldmao_2000·2022-07-04 07:49

DGL中的消息传递相关内容的讲解

消息传递范式消息传递是实现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。因此在DGL代码编写消息传递部分时，我们需要三个函数

Icy Hunter·2022-07-04 07:09

【论文阅读】DynaPosGNN: Dynamic-Positional GNN for Next POI Recommendation

【论文阅读】DynaPosGNN:Dynamic-PositionalGNNforNextPOIRecommendation前言随着基于位置的社交网络（Location-BasedSocialNetwork）的快速发展，海量的签到数据被用于挖掘用户的行为模式以实现兴趣点（Point-of-Interest）推荐。兴趣点推荐不但可以提高用户体验，增加用户粘性，还能为商家带来潜在的商业利益，已成为推荐

EmoryHuang·2022-07-03 12:19

简单理解图神经网络 GNN

简单理解图神经网络GNN前言图神经网络（GraphNeuralNetworks，GNN）最早由TheGraphNeuralNetworkModel(Gorietal.,2005)提出。

EmoryHuang·2022-07-03 12:19

【图神经网络】图注意力机制GAT（一）

参考文献[1]【GNN】GAT：Attention在GNN中的应用[2]图注意力网络(GAT)ICLR2018,GraphAttentionNetwork论文详解[3]https://github.com

一穷二白到年薪百万·2022-07-02 20:47

GNN：“图卷积模型”通用框架【每一层网络都基于邻域节点(1-hop)更新当前节点的向量表示（一般用2~3层）】【消息传递：①从邻域节点汇聚信息；②更新当前节点状态】【各模型区别：聚合函数类型的选取】

一、卷积的概念1、图卷积缘起在开始正式介绍图卷积之前，我们先花一点篇幅探讨一个问题：为什么研究者们要设计图卷积操作，传统的卷积不能直接用在图上吗？要理解这个问题，我们首先要理解能够应用传统卷积的**图像(欧式空间)与图(非欧空间)**的区别。如果把图像中的每个像素点视作一个结点，如下图左侧所示，一张图片就可以看作一个非常稠密的图；下图右侧则是一个普通的图。阴影部分代表卷积核，左侧是一个传统的卷积核

u013250861·2022-07-02 07:00

第十二周.直播.DGL-KG, LifeSci讲解

文章目录知识图谱背景DGL-KELifeSci双线性系列RESCAL摘要2.ModellingandNotation模型DistMult摘要模型ConvE为什么是2D不是1D卷积模型本文内容整理自深度之眼《GNN

oldmao_2000·2022-07-02 07:51

百度AI Studio图神经网络7日打卡营——学习总结

文章目录前言一、GNN理论学习二、PGL实战1.关于百度飞桨PGL框架2.DeepWalk与node2vec3.GCN与GAT4.GraphSage5.比赛：论文引用网络节点分类6.拔高：新冠疫苗项目总结前言前阵子对百度

苏打悠·2022-07-02 07:19

《深入浅出图神经网络》读后感

但是在搜了一圈后才发现，居然只找到了一本讲GNN的中文书，就是这本《深入浅出图神经网络》。不得不感慨GNN这个东西还真是够新的。

infovisthinker·2022-07-02 07:44

【GNN】GNN图神经网络工具箱的应用和matlab仿真

1.软件版本matlab2019a2.系统概述图神经网络(GraphNeuralNetwork，GNN)是一种基于信息扩散机制的神经网络模型。

fpga和matlab·2022-07-02 07:43

深入浅出图神经网络第5章图信号处理与图卷积神经网络读书笔记

DazTricky·2022-07-02 07:10

第七周.01.Message更新讲解+GCN实例

文章目录update_allsend_and_recvBuilt-inFunction实例代码本文内容整理自深度之眼《GNN核心能力培养计划》公式输入请参考：在线Latex公式update_all和send_and_recv

oldmao_2000·2022-07-01 07:01

图神经网络入门 (GNN, GCN)

目录GraphsandwheretofindthemAttributesofgraphsImagesasgraphsTextasgraphsGraph-valueddatainthewildWhattypesofproblemshavegraphstructureddata?Graph-leveltaskNode-leveltaskEdge-leveltaskThechallengesofusin

连理o·2022-06-27 20:49

用GNN做CV三大任务的新骨干，同计算成本性能不输CNN、ViT与MLP｜中科院&华为诺亚开源...

来源：量子位用图神经网络(GNN)做CV的研究有不少，但通常是围绕点云数据做文章，少有直接处理图像数据的。

深度学习技术前沿·2022-06-27 08:51

#今日论文推荐# 中科院、华为等提出Vision GNN，只使用图神经网络进行视觉任务

wwwsxn·2022-06-27 07:08

#今日论文推荐#中科院&华为诺亚提出ViG：一种全新的骨干网络，性能不输CNN、ViT

wwwsxn·2022-06-27 07:08

中科院、华为等提出Vision GNN，只使用图神经网络进行视觉任务

©作者|周春鹏单位|浙江大学研究方向|计算机视觉网络结构在基于深度学习的计算机视觉系统中起着至关重要的作用。目前广泛应用的卷积神经网络和卷积神经转换器将图像视为网格或序列结构，难以灵活地捕捉不规则和复杂的目标。本文提出将图像表示为图（Graph）结构，并引入一种新的视觉图卷积（VisionGNN,ViG）体系结构来提取视觉任务的图级（Graph-Level）特征。首先，将图像分割为多个块（patc

PaperWeekly·2022-06-27 07:24

中科院&华为诺亚提出ViG：一种全新的骨干网络，性能不输CNN、ViT！

点击下方卡片，关注“CVer”公众号AI/CV重磅干货，第一时间送达点击进入—>CV微信技术交流群梦晨发自凹非寺转载自：量子位（QbitAI）用图神经网络(GNN)做CV的研究有不少，但通常是围绕点云数据做文章

Amusi（CVer）·2022-06-27 07:47

华为诺亚ViG架构媲美CNN、Transformer，图神经网络也能用作CV骨干模型

华为诺亚实验室的研究员发现图神经网络（GNN）也能做视觉骨干网络。将图像表示为图结构，通过简洁高效的适配，提出一种新型视觉网络架构ViG，表现优于传统的卷积网络和Transformer。

tt姐·2022-06-27 07:24

论文解读（SR-GNN）《Shift-Robust GNNs: Overcoming the Limitations of Localized Graph Training Data》

论文信息论文标题：Shift-RobustGNNs:OvercomingtheLimitationsofLocalizedGraphTrainingData论文作者：QiZhu,NataliaPonomareva,JiaweiHan,BryanPerozzi论文来源

Learner-·2022-06-24 14:00

论文解读（KP-GNN）《How Powerful are K-hop Message Passing Graph Neural Networks》

论文信息论文标题：HowPowerfulareK-hopMessagePassingGraphNeuralNetworks论文作者：JiaruiFeng,YixinChen,FuhaiLi,AnindyaSarkar,MuhanZhang论文来源：2022,arX

Learner-·2022-06-20 16:00

Dynamic Graph Learning-Neural Network for Multivariate Time Series Modeling

现有的图神经网络(GNN)通常用预定义的空间图或学习到的固定邻接图来建模多元关系。它限制了GNN的应用，无法应对上述挑战。在本文中，我们提出了一个新的框架，

西西弗的小蚂蚁·2022-06-07 08:08

【零基础】从零开始学神经网络《python神经网络编程》——手写数字识别实战

二、对NN，CNN，RNN，GNN，GAN的名词解释三、详细介绍神经网络（NN）1.认识神经网络2.神经元3.激活函数4.权重——连接的线，连接结构5.正向传播6.反向训练权重四、csv文件五、创建一个神经网络六

荒野火狐·2022-06-05 08:16

【图神经网络】基于GNN的不同变种及其应用

图神经网络图神经网络（GraphNeuralNetwork，GNN）最早由Scarselli等人提出。

风度78·2022-06-05 07:44

论文解读（LA-GNN）《Local Augmentation for Graph Neural Networks》

论文信息论文标题：LocalAugmentationforGraphNeuralNetworks论文作者：SongtaoLiu,HanzeDong,LanqingLi,TingyangXu,YuRong,PeilinZhao,JunzhouHuang,Ding

Learner-·2022-06-01 15:00

【一起入门DeepLearning】中科院深度学习_期末复习题2018-2019第九题：GCN计算

如果感兴趣的话，就和我一起入门DL吧2018-2019学年第二学期期末试题这一节相关的知识可以参看这篇博文：【一起入门NLP】中科院自然语言处理第*课-图神经网络GNN（GCN）原本使用的

vector<>·2022-05-31 07:53

中国神经网络计算机,图神经网络 (GNN) 算法及其应用 [唐杰清华大学] 2019年中国计算机大会机器学习与数据挖掘论坛...

论坛嘉宾：沈华伟中国科学院计算技术研究所研究员报告主题：图卷积神经网络及其应用报告摘要：卷积神经网络在处理图像、语音、文本等具有较好空间结构的数据时展现出了很好的优势。然而，卷积神经网络不能直接应用于图(Graph)这类空间结构不规则的数据上。近年来，研究人员开始研究如何将卷积神经网络迁移到图数据上，涌现出ChevNet、MoNet、GraphSAGE、GCN、GAT等一系列方法，在基于图的半监督

usotsuki1993·2022-05-30 09:43

转载 | 认知推理：从图表示学习和图神经网络的最新理论看AI的未来

近年来，图表示学习（GraphEmbedding）和图神经网络（GraphNeuralNetwork,GNN）成为网络数据分析与应用的热点研究问题，其特点是将深度神经网络技术用于网络结构的建模与计算，诞生了以

Necther·2022-05-30 09:42

【论文阅读】Heterogeneous Graph Attention Network

Cziun·2022-05-30 07:42

GNN推荐算法（四）—LESSR：Handling Information Loss of Graph Neural Networks for Session-based Recommen

1一点点引入LESSR（LosslessEdge-orderpreservingaggregationandShortcutgraphattentionforSession-basedRecommendation)算法与之前讲到的LR-GCN、LightGCN以及Multi-GCCF算法针对的需求不同。后三个算法基于user-item二分图的结构为user做出推荐，而LESSR则是要通过挖掘用户历

Arvin Ou·2022-05-28 07:13

图神经网络GNN算法基本原理详解

目录前言1.数据2.变量定义3.GNN算法3.1Forward3.2Backward4.总结与展望前言本文结合一个具体的无向图来对最简单的一种GNN进行推导。

·2022-05-10 16:48

(NOCD)Overlapping Community Detection with Graph Neural Networks

核心思想：将GNN的强大能力与伯努利-泊松概率(Bernoulli–Poisson)模型结合起来。

东方小虾米·2022-04-27 16:18

Overlapping Community Detection with Graph Neural Networks

github.com/shchur/overlapping-community-detection文章概述现有的用于社团检测的神经网络只检测不相交的社区，而真实的社区却是重叠的，针对这一不足，提出了一种基于GNN

缥缈的灰·2022-04-27 16:37

在预测中使用LSTM架构的最新5篇论文推荐

IntegratingLSTMsandGNNsforCOVID-19ForecastingNathanSesti,JuanJoseGarau-Luis,EdwardCrawley,BruceCameron将COVID-19的传播与图神经网络（GNN

·2022-04-24 10:29

繁凡的对抗攻击论文精读（二）CVPR 2021 元学习训练模拟器进行超高效黑盒攻击（清华）

《繁凡的深度学习笔记》，包含深度学习基础和TensorFlow2.0，PyTorch详解，以及CNN，RNN，GNN，AE，GAN，Transformer，强化学习，元学习，对抗攻击防御，迁移学习等主流研究方向万字综述

繁凡さん·2022-04-19 07:43

改善图形神经网络，提升GNN性能的三个技巧

GNN提供了一种在图结构化数据上使用深度学习技术的方法。图结构数据无处不在：从化学（例如分子图）到社交媒体（例如社交网络）以及金融投资（例如VC投资网络），GNN在各种任务中显示出最先进的性能¹²。

·2022-04-17 11:21

Contrastive Graph Learning for Social Recommendation

摘要：由于图神经网络(GNN)在高阶连通性学习表示方面的优势，基于GNN的协同过滤在推荐系统中得到了广泛的应用。

ZZZ___bj·2022-04-15 07:24

多目标跟踪算法(最近邻NN)(全局最近邻GNN)(概率数据关联PDA)(联合概率数据关联JPDA)的学习

注意:对于目标检测而言,相机和毫米波雷达的检测特点不同(对于相机而言，检测数量有时小于当前轨迹，而毫米波雷达的检测数量大于当前轨迹。),故我们需要选择不同的目标检测算法来达到最优解.下面我们来学习不同的目标跟踪算法:1.最近邻NN最近邻数据关联算法的优点是运算量小，易于硬件的实现，但是只能适用于稀疏目标和杂波环境的目标跟踪系统。当在目标或者杂波密度较大时，很容易出现误跟和漏跟现象，同时算法跟踪性能

吉林大学王小懒·2022-04-10 08:43

【调研】用「图神经网络」解决「小样本」分类问题（上）

目录GNNTaxonomyStructureBasicGNNFew-shot：Meta-Learning模型一：2019.11：Meta-GNN动机方法取样本元训练元测试模型二：2020.10：AwGC

vector<>·2022-04-08 08:28

《Graph neural networks A review of methods and applications》翻译

1.介绍论文研究了gnn中的其他计算模块，如跳过连接和池化操作。

爱玩电动的阿伟·2022-04-08 08:44

GNN通俗笔记：图神经网络在推荐/广告中的应用

原始视频：七月在线公开课《图神经网络在推荐广告场景中的应用》，课件可以打开视频页面下载分享老师：推荐吴老师，推荐/广告算法专家，曾任部门算法负责人，年薪....不低字幕校对：天保，全程校对了字幕，但因为是公开课，互动性很强，所以去掉了很多互动性的语句笔记撰写：July，在原有公开课/课件基础上做了大量的解读、补充、说明、深入、扩展交流讨论：涉及到多名同事、讲师，包括且不限于推荐吴老师、北邮团博士、

v_JULY_v·2022-04-08 08:41

【论文分享】GNN+小样本文本分类方法：Meta-GNN: On Few-shot Node Classification in Graph Meta-learning

题目：Meta-GNN:OnFew-shotNodeClassificationinGraphMeta-learning会议：CIKM（CCF-B）链接：https://dl.acm.org/doi/pdf

vector<>·2022-04-08 08:35

广告行业中那些趣事系列33：从理论到实践学习当前很火的图神经网络

本篇从理论到实战详细介绍了目前很火的图神经网络GNN，希望对于学习并将图神经网络GNN应用到实际业务场景的小伙伴可能有所帮助。

数据拾光者·2022-04-08 07:54

TNNLS | GNN综述：A Comprehensive Survey on Graph Neural Networks

目录前言AbstractI.IntroductionII.BackgroundAndDefinitionA.BackgroundB.DefinitionIII.CategorizationAndFrameworksA.TaxonomyofGraphNeuralNetworksB.FrameworksIV.RecurrentGraphNeuralNetworksV.ConvolutionalGrap

Cyril_KI·2022-04-08 07:52

DEGREE-QUANT: QUANTIZATION-AWARE TRAINING FOR GRAPH NEURAL NETWORKS

JavierFernandez-Marques计算机科学系,牛津大学NicholasD.Lane,计算机科学与技术系,剑桥大学&三星AI中心文章地址代码地址发表在ICLR2021文章内容似乎跟我平时接触的模型不太一样,GNN

Ruff_XY·2022-03-28 07:41

论文笔记--Connecting the Dots: Multivariate Time Series Forecasting with Graph Neural Networks

ProblemDefinitionChallenge:①在时间序列预测的问题上，目前的GNN方法都依赖于预先定义的图结构。但大多数情况下，多元时间序列没有明确的图结构。变量之间的关系应该从数据种获得。

chenxino·2022-03-28 07:39

GNN Tricks《Bag of Tricks of Semi-Supervised Classification with Graph Neural Networks》

WangY.BagofTricksofSemi-SupervisedClassificationwithGraphNeuralNetworks[J].arXivpreprintarXiv:2103.13355,2021.我在浏览OGB排行榜代码的时候偶然发现了一篇关于GNN

智慧的旋风·2022-03-28 07:09

推荐频道

(GNN)