【GNN】

PyTorch Geometric 一个几何深度学习库

这里写自定义目录标题GNN动机GN框架FastGraphRepresentationLearningwithPyTorchGeometricGNNGNN图神经网络可能解决深度学习中无法进行的因果推理关系
史小玮·2020-06-29 08:31

GNN之常用矩阵汇总

最近在看图卷积网络(graphconvolutionalnetworks)，其中有一些基础知识，比如：表示一个图，分别表示相应的节点集与边集。表示图中的节点，表示图中的边。A表示图中的邻接矩阵(adjacencymatrix)。D表示图中的度矩阵(degreematrix)。L表示图中的拉普拉斯矩阵(Laplacianmatrix)，表示图的归一化拉普拉斯矩阵。会有许多不同的矩阵，这里列出一些常用
无宠不惊过一生·2020-06-29 08:02

GNN图神经网络详述-02

本文作为第2部分，主要根据原始论文介绍几篇基础的工作，主要包括GNN，GCN及变体，DCNN，Tree-LSTM,包括模型的详解和模型训练，以及模型评价。
Chris_34·2020-06-29 07:35

GNN-图神经网络基础内容概述

前言过去的十多年中，神经网络在图像和文本等结构化数据中已经表现的十分出色。CNN，RNN，自编码器（Autoencoders）等很多流行的模型在以矩阵或向量作为输入的结构形式数据上都能很好地工作，我称这些结构化的数据为表格数据。而这些模型在非结构化数据上的表现怎样呢？比如最近大家在研究中频繁碰到的图结构数据，如果不将这些非结构化的图数据经过复杂的转换变为表格格式的话，使用传统的方法基本无从下手，那
Chris_34·2020-06-29 07:34

Bengio参与、LeCun点赞：图神经网络权威基准现已开源

近期的大量研究已经让我们看到了图神经网络模型（GNN）的强大潜力，很多研究团队都在不断改进和构建基础模块。但大多数研究使用的数据集都很小，如Cora和TU。
喜欢打酱油的老鸟·2020-06-29 03:06

图神经网络（Graph Neural Networks，GNN）综述

2019-11-2816:02:43一、什么是图神经网络？在过去的几年中，神经网络的成功推动了模式识别和数据挖掘的研究。许多机器学习任务，如目标检测、机器翻译和语音识别，曾经严重依赖手工的特征工程来提取信息特征集，最近被各种端到端的深度学习范式（例如卷积神经网络（CNN）、长短期记忆（LSTM）和自动编码器）彻底改变了。在许多领域中，深度学习的成功部分归因于快速发展的计算资源（如GPU）和大量训练
喜欢打酱油的老鸟·2020-06-29 03:29

综述笔记：A comprehensive survey on Graph Neural Networks

一、GNN分类在清华大学的综述中，GNN被分为5类：GraphConvolutionalNetworks图卷积网络，GraphAttentionNetworks图注意力网络，GraphAutoencoder
Liao_LW·2020-06-29 02:16

图卷积网络（Graph Convolutional Network，GCN）

希望读者可以了解如何使用DGL的APIs来定义一个新的GNN层。模型概述从消息传递的角度看GCN我们从消息传递的角度描述了一个图卷积神经网络层；具体数学描述见下。
amorfatilily·2020-06-29 02:51

图神经网络的简要介绍（基础知识，DeepWalk和GraphSage）

AGentleIntroductiontoGraphNeuralNetworks(Basics,DeepWalk,andGraphSage)图神经网络的简要介绍（基础知识，DeepWalk和GraphSage）Recently,GraphNeuralNetwork(GNN
Adam坤·2020-06-29 02:17

图神经网络综述

目录1.为什么出现图神经网络GNN？
褚骏逸·2020-06-29 01:08

【文章阅读+代码复现】Point-GNN

Brief在3D点云语义分割方法中,GNN已经做了很多可用的方案，但是在目标检测上依旧是采用比较传统的CNN和稀疏卷积的组合，这一篇文章是研究了图卷积在3D检测的中的用法。来自卡内基梅隆大学。
Little_sky_jty·2020-06-29 00:40

【文章阅读】3DSSD

Briefcvpr2020的研究工作，于2020/4/9日开源，如下图所示，和最近才阅读的文章Point-GNN一同被CVPR2020录取，目前被接收的文章有在KITTI上的有四篇，分别是PV-RCNN
Little_sky_jty·2020-06-29 00:40

中科院自动化所分享----深度学习在3D点云处理的探索

3Drepresentationsmulti-viewvoxelmesh---->GNNimage+deapthpoint-cloud---->gnn+cnnpointcloudrawdata3Dsh
Little_sky_jty·2020-06-29 00:09

13.Hierarchical Graph Representation Learning with Differentiable Pooling

然而，现有的GNN方法本质上是平面化的，因此无法学习图形的层级表征——这对于图形分类任务而言尤其成问题，因为图形分类任务的目的是预测与整个图像相关的标签。
刺猬爱吃仙人掌·2020-06-29 00:32

图神经网络学习笔记（1）——图信号与图傅里叶变换

本文参考书目为《深入浅出图神经网络：GNN原理解析》什么是图数据？在计算机科学中，图数据是一种十分常见的数据结构（参考离散数学、数据结构等学科）。
王志晗·2020-06-29 00:54

论文笔记（Neural Graph Collaborative Filtering）

神经图协同过滤论文链接：NeuralGraphCollaborativeFiltering,SIGIR’19原理：在user-iteminteractiongraph上使用GNN来学习user向量和item
cici_iii·2020-06-28 20:09

论文笔记（SocialGCN: An Efficient Graph Convolutional Network based Model for Social Recommendation）

：SocialGCN:AnEfficientGraphConvolutionalNetworkbasedModelforSocialRecommendation,arxiv原理：在用户-项交互图上应用GNN
cici_iii·2020-06-28 20:09

Graph Neural Networks (GNN)（一）：Spatial-GNN

Spatial-GNN想要把这种卷积操作直接推广到Graph上。2.做法将某个节点周围的领域节点特征收集起来，进行某一种操作，然后更新这个节点的特征。图
CaoChengtai·2020-06-28 20:11

Hierarchical Graph Representation Learning with Differentiable Pooling

图神经网络(GNN)在图表示学习领域拥有巨大潜力，可以有效的学习到节点的嵌入表示。
哈哈哈哈_hhhhh·2020-06-28 20:06

图注意力网络(GAT) ICLR2018, Graph Attention Network论文详解

背景：ICLR2018论文，GraphAttentionNetwork在GNN中非常重要，再之前图卷积网络GCN的基础之上引入了注意力机制，非常实用。
祥瑞Coding·2020-06-28 19:38

论文翻译：A Comprehensive Survey on Graph Neural Networks

论文翻译：图神经网络综合研究arXiv:1901.00596v1文章目录论文翻译：图神经网络综合研究1引言2定义3分类和框架3.1GNN的分类3.2框架4图卷积网络4.1基于频谱的图卷积网络4.1.1背景
青山白云间·2020-06-28 19:17

Hierarchical Graph Representation Learning with Differentiable Pooling摘要

  图网络（GN）在深度学习短板即因果推理上拥有巨大潜力，很有可能成为机器学习领域的下一个增长点，而图神经网络（GNN）正属于图网络的子集。
遂古之初·2020-06-27 12:00

WWW'19 Graph Neural Network for Social Recommendation 图神经网络用于社交推荐

可以直接拿来引用；主要亮点：1、对用户特征使用用户历史交互过的项目聚合，作为用户的表示；2、将评分量化（1~5），加入用户表示3、对项目的建模，使用其交互过的用户聚合，+Attention摘要图神经网络GNN
枫色幻想·2020-06-27 08:15

Structural Deep Clustering Network 基于GNN的深度聚类算法 WWW2020

论文链接：https://arxiv.org/abs/2002.01633代码与数据集链接：https://github.com/lxk-yb/SDCN摘要聚类是数据分析中一个基础任务。最近，深度聚类（从深度学习方法中获取到主要的灵感）取得了领先的效果，并且吸引了很多的注意力。目前的深度聚类方法一般通过深度学习强大的表示能力提升聚类的结果，例如，自动编码器表明，对聚类来说学到一个有效的表示是必须的
BUAA～冬之恋·2020-06-27 07:53

CVPR2019 少样本学习

:https://arxiv.org/abs/1905.01436code:https://github.com/khy0809/fewshot-egnn图网络（GraphNeuralNetwork,GNN
jiaotong_jin·2020-06-27 06:41

图卷积神经网络（0）——发展历程

视频来源：图神经网络在线研讨会20201.GNN在干什么目前较火的CNN在欧式空间中已经表现出了强大的处理能力，其最大的特点在于平移不变性，这种特性能够很好的处理欧式空间的中的数据，但是，图则是一类典型的非欧数据
EntropyPlus·2020-06-27 04:28

iclr 2020 | Geom-GCN：几何图神经网络

1背景消息传递神经网络（MPNN），例如GNN，ChebNet，GG-NN，GCN等，对于基于图的学习具有强大的功能，应用范围从大脑网络到在线
qq2648008726·2020-06-27 03:27

ICLR2020 | CS-GNN：用平滑度刻画图信息的使用

作者|李梓盟审稿|俞琳荟今天给大家介绍香港中文大学和新加坡国立大学一起在ICLR2020上发布的一篇论文，该论文针对实际使用中GNN在图结构数据中能够获得多少性能的问题，提出了两种可以度量从图中获取的信息的数量和质量的平滑度指标
qq2648008726·2020-06-27 03:27

########全面回顾Graph深度学习，一文看尽GNN、GCN、GAE、GRNN、GRL

昨天，阿里巴巴达摩院发布2019十大技术趋势，其中就包括“超大规模图神经网络系统将赋予机器常识”：单纯的深度学习已经成熟，而结合了深度学习的图神经网络将端到端学习与归纳推理相结合，有望解决深度学习无法处理的关系推理、可解释性等一系列问题。强大的图神经网络将会类似于由神经元等节点所形成网络的人的大脑，机器有望成为具备常识，具有理解、认知能力的AI。此前，新智元曾经报道过清华大学孙茂松教授组对图神经网
mishidemudong·2020-06-26 21:04

图神经网络最新论文总结（附源码）

图神经网络（GNN）是深度学习领域最新的研究成果，在生物信息学、化学信息学、社会网络、自然语言处理和计算机视觉等多学科领域有着广泛的应用。这一块的研究也吸引了像腾讯这样的巨头参与。
mishidemudong·2020-06-26 21:33

MR-GNN: Multi-Resolution and Dual Graph Neural Network for Predicting Structured Entity Interactions

论文地址：MR-GNN:Multi-ResolutionandDualGraphNeuralNetworkforPredictingStructuredEntityInteractions这篇论文被IJCAI2019
八荒_·2020-06-26 19:19

原创 | 假期必读：一文看尽2019-2020各大顶会GNN论文（附链接）

总之，GraphNeuralNetwork在2019-2020年之间，力压DeepLearning、GAN等，成为各大顶会的增长热词，且GNN在各个领域越来越受到欢迎，包括社交网络、知识图谱、推荐系统，
数据派THU·2020-06-26 17:30

图表示学习入门3——图神经网络

本文将以浅显直觉的方式，介绍GNN的灵感来源，构造方法，训练方式等，参考《RepresentationLearningonNetworks》中GNN部分，做了具体的解读和诠释，并增补了一些代码中才有的实现细节
soplars·2020-06-26 14:58

《Hierarchical Graph Representation Learning with Differentiable Pooling》论文解析

算法框架GNN的相关研究被广泛的应用于图表示学习中，并且在节点分类和链路预测等任务中取得了SOTA的结果
angel_峰起云涌·2020-06-26 11:43

CVPR2020 | 3D目标检测新框架：3DSSD

github.com/tomztyang/3DSSD前言cvpr2020的研究工作，于2020/4/9日开源，如下图所示，目前被接收的文章有在KITTI上的有四篇，分别是PV-RCNN,SA-SSD,Point-GNN
AI算法修炼营·2020-06-26 10:01

浅谈图神经网络模型

1.前言发展历史：最早的GNN主要解决的还是如分子结构分类等严格意义上的图论问题。
rosefunR·2020-06-26 06:05

How powerful are GNN学习笔记

HowpowerfulareGNN1、GNN实现的功能：节点分类、连接预测、图形分类、捕获图形的相似性。该论文有效的实现了图的分类。
qq_44569072·2020-06-26 03:17

论文笔记：2019[IJCAI]Attributed Graph Clustering via Adaptive Graph Convolution

前言此篇博客转载至https://zhuanlan.zhihu.com/p/114452245Motivation本文利用了高阶结构信息(多层GNN)来提升聚类的效果.尽管这两篇非常相似,它们也是有一些差异的
饮冰l·2020-06-26 02:17

论文笔记：Embedding Graph Auto-Encoder with Joint Clustering via Adjacency Sharing

前言本文用GNN来学习适合于聚类任务的节点表示.比较特别的是,本文同时考虑了K-Mean聚类和谱聚类来实现更好的聚类.提出了EmbeddingGraphAuto-EncoderwithJointClusteringviaAdjacencySharing
饮冰l·2020-06-26 02:45

从GNN到GCN(1)--传统GCN和基于空域的MPNN及GraphSage

1.前言图神经网络的最大优势在于可以处理传统神经网络比如RNN和CNN无法处理的具有复杂结构的数据类型，诸如分子结构化合物特性判断或物理模型模型构建的子任务。同时因为图数据包含十分丰富的关系型信息，可以从文本，图像这些非结构化数据中进行推理学习。卷积操作作为非常高效的局部特征提取手段如果可以作用于图神经网络可以高效的处理大量关系型信息2.图卷积的缘起应用传统卷积的欧氏空间和非欧氏空间的区别首先从一
饮冰l·2020-06-26 02:45

论文笔记：Structural Deep Clustering Network

本文首次将GNN用到聚类上,提出了一种基于GNN的深度聚类算法StructuralDeepClusteringNetwork.论文链接：https://arxiv.org/abs/2002.01633github
饮冰l·2020-06-26 02:45

图神经网络(GNN)基础

GNN的优点非常明显就是可以以任意深度表示其附近的信息，并且根据适当的方法利用它们。但是缺点在于GNN难以学习。
饮冰l·2020-06-26 02:45

回顾频谱图卷积的经典工作：从ChebNet到GCN

从2018年起，图神经网络(GNN)开始受到了额外的关注，成为了一个新的热点。在2019年CVPR所有录用的论文中，关键字graph出现的次数就从2018年的15次增长到了45次，增长态势凶猛。
AI 研习社·2020-06-26 00:20

【文章翻译】Point GNN：使用图神经网络的3d目标检测方法

摘要在本文中，我们提出了一个图神经网络来从激光雷达点云检测目标。对这个目标，我们将点云有效地编码到一个固定半径的近邻图中。我们设计了一个图神经网络，称为点PointGNN，来预测类别和图中每个顶点所属的对象的形状。在PointGNN里，我们提出了一个自动配准的机制来保证平移不变性（reducetranslationvariance），并设计一个框合并和打分操作，以精确结合多个顶点的检测结果。我们在
键盘敲坏了·2020-06-25 23:23

图网络(GNN) DGL库的使用

从零开始的DGL库学习dgl.DGLGraphdgl.DGLGraph最基础的API,创建一个图基础图类。图存储节点、边以及它们的特性。DGL图总是有方向的。无向图可以用两条双向边表示。节点由从零开始的连续整数标识。边可以由两个端点(u,v)或添加边时分配的整数id指定。边缘ID是按照加法的顺序自动分配的，即第一个被添加的边缘的ID是0，第二个是1，以此类推。节点和边缘特征以字典的形式存储，从特征
张8托·2020-06-25 20:57

Session-basedRecommendationwithGraphNeuralNetworks论文笔记

摘要基于会话的推荐问题旨在预测基于匿名会话的用户行为.以前的算法不能保证获得准确的向量，在保证嵌入精度的基础上，考虑到项目的复杂转换，提出了一种新的嵌入方法，SR-GNN/该方法将会话序列建模为图结构数据
昕晴·2020-06-25 17:47

Strategies for Pre-training Graph Neural Networks（图预训练）

用于GNN的预训练策略。paper：https://openreview.net/forum?
上杉翔二·2020-06-25 16:38

图神经网络用于推荐系统问题（PinSage，EGES，SR-GNN）

针对推荐系统的稀疏性问题，图方法还真的很适合。PinSage和EGES都是很好的落地实践方法，首先来看一下对于user-item二部图的一般处理方法：GCMC-GraphConvolutionalMatrixCompletion发表在KDD2018，将user-item矩阵补全问题抽象成了二分图的连接预测问题。每种连接预测的边可以视为lable（如点击，购买，收藏等等，1-5的评分也可以），然后用
上杉翔二·2020-06-25 16:37

Graph Neural Network（GraphSAGE，GAT）

基本上Graph+NeuralNetwork，即使用了深度学习技术解决图问题就都是GNN的范畴了。而GNN主要是为了解决Non-Euclidean结构的特征向量学习，
上杉翔二·2020-06-25 16:07

谱卷积的GNN原理解释（Spectral Network），附代码

谱卷积的GNN原理解释（SpectralNetwork）写在最前面：基于谱分解的GNN一般都认为来自Kipf大佬的论文：Semi-supervisedclassificationwithgraphconvolutionalnetworks
五月的echo·2020-06-25 11:39
上一页 23 24 25 26 27 28 29 30 下一页
按字母分类： ABCDEFGHIJKLMNOPQRSTUVWXYZ其他