图神经网络论文精读

图神经网络实战——分层自注意力网络

图神经网络实战——分层自注意力网络0.前言1.分层自注意力网络1.1模型架构1.2节点级注意力1.3语义级注意力1.4预测模块2.构建分层自注意力网络相关链接0.前言在异构图数据集上，异构图注意力网络的测试准确率为

盼小辉丶·2025-03-24 05:32

【图像去噪】论文精读：CVPR 2025 | DnLUT: Ultra-Efficient Color Image Denoising via Channel-Aware Lookup Tables

请先看【专栏介绍文章】：【图像去噪（ImageDenoising）】关于【图像去噪】专栏的相关说明，包含适配人群、专栏简介、专栏亮点、阅读方法、定价理由、品质承诺、关于更新、去噪概述、文章目录、资料汇总、问题汇总（更新中）文章目录前言Abstract1.Introduction2.Relatedworks2.1.ColorImagedenoising2.2.ReplacingCNNwithLUT3

十小大·2025-03-23 16:41

Transformer与图神经网络的融合与应用

Transformer与图神经网络的融合与应用关键词：Transformer,图神经网络,注意力机制,图结构数据,图表示学习,图分类,图生成1.背景介绍近年来，深度学习技术在各个领域取得了显著的进展。

AI天才研究院·2025-03-21 07:58

《基于图神经网络的安卓应用检测系统设计与实现》开题报告

个人主页：@大数据蟒行探索者目录一、课题的研究目的和意义1.研究目的2.研究意义二、国内(外)研究现状及分析1.国内研究现状2.国外研究现状3.研究分析三、课题主要研究内容及可行性分析1.研究内容2.可行性分析四、研究方案和技术途径1.研究方案2.技术途径五、外部条件及解决办法1.开发环境2.解决办法六、主要参考文献一、课题的研究目的和意义1.研究目的随着智能手机的普及，安卓操作系统成为全球最为广

大数据蟒行探索者·2025-03-20 07:09

【论文精读】SCINet-基于降采样和交互学习的时序卷积模型

《SCINet:TimeSeriesModelingandForecastingwithSampleConvolutionandInteraction》的作者团队来自香港中文大学，发表在NeurIPS2022会议上。动机该论文的出发点是观察到时间序列数据具有独特的属性：即使在将时间序列下采样成两个子序列后，时间关系（例如数据的趋势和季节性成分）也基本上得以保留。这个观察启发了作者去设计一种新型的神

打酱油的葫芦娃·2025-03-19 17:17

【论文精读】PatchTST-基于分块及通道独立机制的Transformer模型

《ATIMESERIESISWORTH64WORDS:LONG-TERMFORECASTINGWITHTRANSFORMERS》的作者团队来自PrincetonUniversity和IBMResearch，发表在ICLR2023会议上。动机Transformer模型因其自注意力机制在处理序列数据方面的优势，在自然语言处理（NLP）、计算机视觉（CV）、语音等多个领域取得了巨大成功。这种机制使得模型

打酱油的葫芦娃·2025-03-19 17:17

【Hinton论文精读】The Forward-Forward Algorithm: Some Preliminary Investigations-202212

博文导航0引言1论文摘要2反向传播有什么问题呢？3Forward-Forward算法3.1使用逐层优化函数学习多层表示4Forward-Forward算法的实验4.1反向传播baseline4.2FF算法的一个简单的无监督的例子4.3FF算法的一个简单的监督例子4.4使用FF算法来模拟感知中自上而下的效应4.5作为教师使用空间环境的预测4.6CIFAR-10实验5睡眠6FF算法与其他对比性学习技术

tyhj_sf·2025-03-19 16:40

rStar论文精读

论文简介论文标题：《MutualreasoningmakessmallerLLMsstrongerproblem-solvers》论文地址：https://arxiv.org/abs/2408.06195录用会议：ICLR2025背景与挑战挑战1：在SLM中平衡exploration与exploitation。一些方法有很大的exploitation但限制任务多样性泛化性不好；一些方法有很大的ex

MoyiTech·2025-03-17 11:33

图神经网络学习笔记—高级小批量处理（专题十四）

小批量（mini-batch）的创建对于让深度学习模型的训练扩展到海量数据至关重要。与逐条处理样本不同，小批量将一组样本组合成一个统一的表示形式，从而可以高效地并行处理。在图像或语言领域，这一过程通常通过将每个样本缩放或填充为相同大小的形状来实现，然后将样本在一个额外的维度中分组。该维度的长度等于小批量中分组的样本数量，通常称为batch_size。由于图是能够容纳任意数量节点或边的最通用的数据结

AI专题精讲·2025-03-14 23:52

[论文精读]AI-Guardian: Defeating Adversarial Attacks using Backdoors

会议名称：2023IEEESymposiumonSecurityandPrivacy(SP)发布链接：AI-Guardian:DefeatingAdversarialAttacksusingBackdoors|IEEEConferencePublication|IEEEXplore中文译名：AI-Guardian:利用后门防御对抗攻击阅读原因：网安相关，方班需要本文主要介绍了一种名为AI-Guar

0x211·2025-03-13 20:27

基于多模态大模型的不完整多组学数据特征选择策略

结合多模态大模型（如自监督学习、图神经网络、Transformer等）可以有效解决这一问题。以

m0_65156252·2025-03-13 18:17

飞书多维表格+DeepSeek R1：打工人必备的AI神器，效率暴涨1000%！[特殊字符]

本文手把手教你用「零代码」实现批量文案改写、论文精读、视频脚本生成。

sherlock__cc·2025-03-07 00:36

图神经网络实战（9）——GraphSAGE详解与实现

图神经网络实战（9）——GraphSAGE详解与实现0.前言1.GraphSAGE原理1.1邻居采样1.2聚合2.构建GraphSAGE模型执行节点分类2.1数据集分析2.2构建GraphSAGE模型3

盼小辉丶·2025-03-02 02:39

大模型专栏博文汇总和索引

Donvink·2025-02-28 03:53

图神经网络：拓扑数据分析的新时代

随着图数据的广泛应用，图神经网络（GraphNeuralNetwork,GNN）作为一种强大的深度学习工具，逐渐成为机器学习领域中的一颗新星。

Jason_Orton·2025-02-27 19:44

DeepSeek 高阶应用技术详解（4）

本篇将深入探讨DeepSeek在时间序列分析、图神经网络（GNN）和推荐系统中的应用。这些领域是深度学习的前沿方向，具有广泛的实际应用价值。

Evaporator Core·2025-02-27 14:33

Windows环境安装torch_geometric库报错

Windows下安装，最近在学习图神经网络需要用到geometric_torch结果怎么装都装不上。

一穷二白到年薪百万·2025-02-27 11:11

【论文精读】MapTR：用于在线矢量化高精地图构建的结构化建模与学习

论文地址：MAPTR:STRUCTUREDMODELINGANDLEARNINGFORONLINEVECTORIZEDHDMAPCONSTRUCTION源代码：MapTR摘要High-definition（HDMap）map为自动驾驶场景提供了丰富且精确的环境信息，是自动驾驶系统规划中不可或缺的基础组件。本文提出了MapTR，一种用于高效在线矢量化高精地图构建的结构化端到端Transformer模

青衫弦语·2025-02-23 14:02

【论文精读】MotionLM

【论文精读】MotionLM1背景2存在的问题3具体方案轨迹转运动序列模型轨迹去重和聚类loss1背景团队：Waymo时间：2023.9代码：简介：采用自回归的方式做轨迹生成，能够更好地建模交互，且避免模态坍缩

EEPI·2025-02-17 12:37

【论文精读】Sparse4D v2: Recurrent Temporal Fusion with Sparse Model

1背景团队：地平线时间：代码：简介：这篇论文是Sparse4D的续作，区别主要在于特征时序融合上，新版提高了运算效率。后续端到端SparseDrive的基本框架与这篇基本类似。2存在的问题2.1其他稀疏3D检测的问题PETR是query-based方法，但是为了实现特征融合，进行了全局注意力机制，导致高计算量。2.2Sparse4Dv1的问题Sparse4Dv1的时序特征融合hierarchyfu

EEPI·2025-02-17 12:36

每周论文精读05-A2J:AnchortoJointRegressionNetwork for 3D ArticulatedPoseEstimation from a SingleDepthImage

https://download.csdn.net/download/Jason_____Wang/16502249论文精读——A2J:Anchor-to-JointRegressionNetworkfor3DArticulatedPoseEstimationfromaSingleDepthImage

Jason_____Wang·2025-02-17 06:52

字节跳动实习生和校招生内推

机器学习算法实习生-平台治理1、2026届硕士及以上学位在读，计算机等相关专业优先；2、有扎实的代码能力，熟悉深度学习/图神经网络/机器学习框架，如Pytorch、Tensorflow、DGL、Pyg、

飞300·2025-02-16 10:15

Transformer以及BERT阅读参考博文

Transformer以及BERT阅读参考博文Transformer学习：已有博主的讲解特别好了：李沐：Transformer论文逐段精读【论文精读】_哔哩哔哩_bilibili知乎：Transformer

mumukehao·2025-02-15 17:41

DeepSeek图神经网络（Graph Neural Networks, GNNs）基础与实践

图神经网络（GraphNeuralNetworks,GNNs）是一种专门用于处理图结构数据的深度学习模型。

Evaporator Core·2025-02-11 20:22

【论文精读】A data-driven model for social media fake news detection

论文下载地址：JUST-2021-0215.pdf(ustc.edu.cn)https://just.ustc.edu.cn/article/pdf/preview/JUST-2021-0215.pdf这篇文献《Adata-drivenmodelforsocialmediafakenewsdetection》由XinChen,ShanchengFang,ZhendongMao和YongdongZh

智算菩萨·2025-02-10 23:41

【论文精读】《Towards Deep Learning Models Resistant to Adversarial Attacks》

摘要本文探讨了深度学习模型在面对对抗性攻击时的脆弱性，并提出了一种基于鲁棒优化的方法来增强神经网络的对抗鲁棒性。通过鞍点优化框架，作者提供了对抗攻击和防御机制的统一视角，并在MNIST和CIFAR-10数据集上验证了其方法的有效性。本文的核心贡献包括：1）定义攻击模型和扰动集以优化模型参数；2）强调网络容量对对抗鲁棒性的影响；3）提出对抗训练作为提升模型鲁棒性的关键方法。本文为深度学习模型的对抗鲁

智算菩萨·2025-02-10 03:25

基于PyG搭建GCN-LSTM时空犯罪预测

基于PyG搭建GCN-LSTM时空犯罪预测1.前言最近针对犯罪时空预测、犯罪分布可视化开展研究，图神经网络是必不可少的研究工具之一，为了记录学习PyG的过程，本文通过结合官网案例(非常晦涩难懂)以及网上各位大佬的学习过程

职业摸鱼能手·2025-02-09 04:01

图神经网络实战（8）——图注意力网络(Graph Attention Networks, GAT)

图神经网络实战（8）——图注意力网络0.前言1.图注意力层原理1.1线性变换1.2激活函数1.3Softmax归一化1.4多头注意力1.5改进图注意力层2.使用NumPy中实现图注意力层3.使用PyTorchGeometric

盼小辉丶·2025-02-08 12:09

动手学图神经网络（12）：MovieLens上的链接回归

MovieLens上的链接回归在MovieLens数据集上进行评分预测的实践过程，包括数据处理、模型构建、训练以及评估等步骤，预测用户对电影的评分（即边的属性值）。环境设置使用pip安装pyg-lib、pytorch_geometric、sentence_transformers、fuzzywuzzy、captum等。importtorchprint(torch.__version__)impor

段智华·2025-02-08 11:07

【论文笔记】基于图神经网络的多视角视觉重定位 GRNet CVPR 2020 论文笔记

LearningMulti-viewCameraRelocalizationwithGraphNeuralNetworks驭势科技,北京大学机器感知重点实验室,北京长城航空测控技术研究所本文提出了一种使用多视角图像进行相机重定位的图神经网络

phy12321·2025-02-03 14:26

跟李沐学AI：视频生成类论文精读（Movie Gen、HunyuanVideo）

MovieGen：ACastofMediaFoundationModels简介MovieGen是Meta公司提出的一系列内容生成模型，包含了3.2.1预训练数据MovieGen采用大约100M的视频-文本对和1B的图片-文本对进行预训练。图片-文本对的预训练流程与Meta提出的Emu:Enhancingimagegenerationmodelsusingphotogenicneedlesinaha

Landy_Jay·2025-02-03 13:16

图神经网络实战（2）——图论基础

图神经网络实战（2）——图论基础0.前言1.图属性1.1有向图和无向图1.2加权图和非加权图1.3连通图和非连通图1.4其它图类型2.图概念2.1基本对象2.2图的度量指标2.2邻接矩阵表示法3.图算法

盼小辉丶·2025-02-03 10:55

＜深入浅出图神经网络＞读书笔记

文章目录笔记GNN代码chapter5|GCN分析TODO改代码得到的结论chapter6|GraphSage分析TODO去今年刚出就买了.一查豆瓣评分比我想的还低(我这种小白都能看出一些错误),有1说1对于入门还是可以的,至少能知道GNN大概的发展路线,如图卷积→\rightarrow→GCN→\rightarrow→GNN等.如果小白直接上手GNN啥的,连图滤波,空域频域等概念都不知道,也只能

数学工具构造器·2025-02-02 06:22

跨平台物联网漏洞挖掘算法评估框架设计与实现文献综述之GMN

2.4.2GMN图神经网络（GraphNeuralNetworks-GNNs）是一种用于学习结构化数据及相关预测问题的方法。节点的表示被用于节点分类或生成图向量再用于分类。

XLYcmy·2025-01-31 22:43

ViT论文解读

ViT论文解读本文主要记录YiZhu大佬对于ICLR2021的一篇论文精读ANIMAGEISWORTH16x16WORDS:TRANSFORMERSFORIMAGERECOGNITIONATSCALE论文地址

freshfish丶·2025-01-27 18:35

[论文精读]Understanding Diffusion Models: A Unified Perspective

发布链接：http://arxiv.org/abs/2208.11970文章详细讨论了扩散模型（DiffusionModels）作为一种生成模型的工作原理，并从多个角度解释其背后的数学机制。阅读原因：实验需要理解SD的数学建模过程数学层面更好的解释：diffusionmodel(一)：DDPM技术小结(denoisingdiffusionprobabilistic)|莫叶何竹1.扩散模型简介扩散模

0x211·2025-01-27 16:26

图神经网络系列论文阅读DAY1：《Predicting Tweet Engagement with Graph Neural Networks》

因此，我们提出了一种基于图神经网络（GraphNeur

feifeikon·2025-01-25 15:18

【图像复原】论文精读：Scaling Up to Excellence: Practicing Model Scaling for Photo-Realistic Image Restoration

第一次来请先看这篇文章：【超分辨率（Super-Resolution）】关于【超分辨率重建】专栏的相关说明，包含专栏简介、专栏亮点、适配人群、相关说明、阅读顺序、超分理解、实现流程、研究方向、论文代码数据集汇总等）文章目录前言Abstract1.Introduction2.RelatedWork3.Method3.1.ModelScalingUp3.2.ScalingUpTrainingData3

十小大·2025-01-23 23:40

PHP中使用grpc服务的教程详解

grpc是面对微服务框架而风生水起的，上次我用python编写了一个图神经网络处理的微服务，使用grpc放在我的服务

Oona_01·2024-09-12 18:16

基于深度学习的动态场景理解

该技术在自动驾驶、智能监控、机器人导航、增强现实等领域有着广泛应用，通过深度学习模型，特别是卷积神经网络（CNNs）、递归神经网络（RNNs）、图神经网络（GNNs）等，对复杂动态场景进行实时解读。

SEU-WYL·2024-09-09 03:14

深度学习论文精读（7）：MTCNN

深度学习论文精读（7）：MTCNN论文地址：JointFaceDetectionandAlignmentusingMulti-taskCascadedConvolutionalNetworks译文地址：

hwl19951007·2024-09-05 06:13

图神经网络实战（18）——消息传播神经网络

图神经网络实战（18）——消息传播神经网络0.前言1.消息传播神经网络2.实现MPNN框架小结系列链接0.前言我们已经学习了多种图神经网络(GraphNeuralNetworks,GNN)变体，包括图卷积网络

盼小辉丶·2024-09-02 05:06

graphrag论文精读

论文精读：FromLocaltoGlobal:AGraphRAGApproachtoQuery-FocusedSummarization1.研究背景与问题在大语言模型（LLMs）的应用中，检索增强生成（

Ramos_zl·2024-08-30 09:48

[Scene Graph] 图神经网络的核心方法——Message Passing

GNN中的MessagePassing方法解析一、GNN中是如何实现特征学习的？深度学习方法的兴起是从计算图像处理（ComputerVision）领域开始的。以卷积神经网络（CNN）为代表的方法会从邻近的像素中获取信息。这种方式对于结构化数据（structureddata）十分有效，例如，图像和体素数据。但是，CNN的处理方式对于类似图（graph）数据则并不适用。对于一个图而言，类似图像像素的邻

风中摇曳的小萝卜·2024-08-30 06:01

深入理解PyTorch中的MessagePassing

深入理解PyTorch中的MessagePassing图神经网络（GraphNeuralNetworks，简称GNNs）在近年来已成为处理图形数据的一种强大工具，广泛应用于社交网络分析、蛋白质结构预测、

小桥流水---人工智能·2024-08-30 06:00

【论文阅读】Model Stealing Attacks Against Inductive Graph Neural Networks（2021）

摘要Manyreal-worlddata（真实世界的数据）comeintheformofgraphs（以图片的形式）.Graphneuralnetworks(GNNs图神经网络),anewfamilyofmachinelearning

Bosenya12·2024-08-26 12:29

GNN的理解难点：一种不同于传统神经网络的复杂性

图神经网络（GNN）已经成为深度学习领域的一颗新星，它在处理图形数据方面显示出了巨大的潜力和优势。然而，许多研究者和开发者发现GNN比传统的神经网络更难以理解和掌握。

小桥流水---人工智能·2024-08-25 21:27

图形学论文笔记

PBD(基于位置的动力学)算法详解-论文原理讲解和太极代码最简化的PBD(基于位置的动力学)算法详解-论文原理讲解和太极代码XPBD：基于XPBD的物理模拟一条龙：公式推导+代码+文字讲解（纯自制）【论文精读

Jozky86·2024-08-25 18:10

图神经网络GNN的前世今生

GNN图神经网络（GraphNeuralNetwork，简称GNN）已经成为处理图形结构数据的一种强大工具，广泛应用于社交网络分析、知识图谱、推荐系统等领域。

小桥流水---人工智能·2024-08-25 06:52

文献01-单细胞多组学

目录【SIMBA系列教程】回顾：KDD2024|HiGPT:当大模型遇上图神经网络Nat.Biotechnol2023|利用MaxFuse整合空间和单细胞数据跨模态弱链接的特征Nat.Commun2024

hlllllllhhhhh·2024-08-21 20:54

推荐频道