图神经网络论文解读第10页

清华大学chatGLM论文解读

GLM:GeneralLanguageModelPretrainingwithAutoregressiveBlankInfifilling以自回归式空白填充任务预训练的通用语言模型论文地址arXiv:https://arxiv.org/abs/2103.103602022年11月，斯坦福大学大模型中心对全球30个主流大模型进行了全方位的评测2，GLM-130B是亚洲唯一入选的大模型。在与OpenA

zsq_csh1·2023-11-04 00:48

Deep-learning

该篇从四个角度阐述了图神经网络在药物发现和分子信息领域的应用。1）分子属性和活性预测；2）相互作用预测；3）合成预测；4）从头药物设计。最后总结了药物相关问题的代表性应用。

斗战胜佛oh·2023-11-03 22:19

提速256倍：蒸馏扩散模型，生成图像质量媲美教师模型，只需4步

深入浅出stablediffusion：AI作画技术背后的潜在扩散模型论文解读去噪扩散概率模型（DDPM）在图像生成、音频合成、分子生成和似然估计领域都已经实现了SOTA性能。

机器学习与AI生成创作·2023-11-03 10:55

图神经网络：PYG库基本操作

文章说明：1)参考资料：PYG的文档。文档超链。2)博主水平不高，如有错误还望批评指正。文章目录一.图的数据处理二.常见的基准数据集三.小批量的计算方式四.数据变换五.后记一.图的数据处理导入对应的库fromtorch_geometric.dataimportDataimporttorch创建图数据的第一种方式，简单易懂不过多的赘述edge_index=torch.tensor([[0,1,1,2

Q天马A行空Q·2023-11-03 10:50

GCNcora数据集处理-数据集转邻接矩阵

深入GNN图神经网络后，才发现对于数据集的处理是最简单的#1.导入数据importpandasaspdimportnumpyasnp#导入数据：分隔符为空格raw_data=pd.read_csv('cora

qq_51929114·2023-11-03 10:15

OpenPose学习笔记

目录1.摘要2.论文解读2.1.多人的2D姿态估计难点：2.2.算法原理：2.3.损失函数：2.3.1.CMP(confidencemapsforpart):2.3.2.PAF(partaffinityfields

MOLWH·2023-11-03 08:15

Generative AI 新世界 | 文生图（Text-to-Image）领域论文解读

在上期文章，我们开始探讨生成式AI（GenerativeAI）的另一个进步迅速的领域：文生图（Text-to-Image）领域。概述了CLIP、OpenCLIP、扩散模型、DALL-E-2模型、StableDiffusion模型等文生图（Text-to-Image）的基本内容。亚马逊云科技开发者社区为开发者们提供全球的开发技术资源。这里有技术文档、开发案例、技术专栏、培训视频、活动与竞赛等。帮助中

亚马逊云开发者·2023-11-03 02:31

达摩院2019预测之我见

该报告涉及了智能城市、语音AI、AI专用芯片、图神经网络系统、计算体系结构、5G、数字身份、自动驾驶、区块链、数据安全等领域。整体而言比较中肯。涉及的多维，也是阿里比较熟悉的领域。

无量子间·2023-11-02 20:53

Meta-learning algorithms for Few-Shot Computer Vision论文解读（一）

Meta-learningalgorithmsforFew-ShotComputerVision论文解读一小样本分类算法元学习范式元学习算法基于梯度的元学习度量学习的元学习方法小样本分类数据集小样本检测参考文献篇幅所限

海南1506·2023-11-02 14:05

Pytorch基础代码实战系列之定义一个简单的卷积神经网络

陈万君Allen·2023-11-02 14:52

在服务器上运行代码

1安装包dgl用于开发图神经网络打开网页https://www.dgl.ai/pages/start.html，复制命令，在服务器中运行image.png查看dgl包下载情况condalistdgl运行代码后台运行

辘轳鹿鹿·2023-11-01 09:02

CS224W-图神经网络笔记4.2：Community Structure in Networks - 网络中社区的挖掘算法——Louvain算法

CS224W-图神经网络笔记4.2：CommunityStructureinNetworks-网络中社区的挖掘算法——Louvain算法本文总结之日CS224WWinter2021只更新到了第四节，所以下文会参考

Epiphron·2023-11-01 03:44

时序图循环_【GCN】不同类型的图

本文是清华大学刘知远老师团队出版的图神经网络书籍《IntroductiontoGraphNeuralNetworks》的部分内容翻译和阅读笔记。

weixin_39553272·2023-11-01 03:57

时序图循环_图神经网络入门（五）不同类型的图

本文是清华大学刘知远老师团队出版的图神经网络书籍《IntroductiontoGraphNeuralNetworks》的部分内容翻译和阅读笔记。

weixin_39567169·2023-11-01 03:57

(含源码)「自然语言处理(NLP)」Question Answering(QA)论文整理(六)

本次整理的论文还是主要偏向于机器阅读理解的问答（MRC-QA），其中主要涉及到双向注意流(BIDAF)网络、GatedAttention模型、ASReader模型、问答句子识别、双向注意机制和层次表示学习的关系图神经网络

Shu灬下雨天·2023-11-01 02:06

【论文解读】RLAIF基于人工智能反馈的强化学习

一、简要介绍人类反馈强化学习(RLHF)可以有效地将大型语言模型(LLM)与人类偏好对齐，但收集高质量的人类偏好标签是一个关键瓶颈。论文进行了一场RLHF与来自人工智能反馈的RL的比较(RLAIF)-一种由现成的LLM代替人类标记偏好的技术，论文发现它们能带来相似的改善。在总结任务中，人类评估者在70%的情况下更喜欢来自RLAIF和RLHF的生成，而不是基线监督微调模型。此外，当被要求对RLAIF

合合技术团队·2023-10-31 12:14

图神经网络及其在知识图谱的应用

一应用领域道路交通，动态预测自动驾驶，无人机场景化学，医疗等场景物理模型相关二图基本模块定义VVertex点EEdge边（向量）UGlobal图（例如：全局向量）无论事多么复杂，我们利用图神经网络的目的就是整合特征有向图出度

hellolianhua·2023-10-31 09:20

港大联合百度开源通用图大模型GraphGPT：让大语言模型读懂图数据

导读图神经网络（GNN）已成为处理和学习图数据的强大工具，在社交网络分析、推荐系统、智慧城市和生物信息等多个领域带来了革命性的进展。图神经网络的核心优势在于其揭示图数据中复杂关联性的能力。

PaperWeekly·2023-10-30 15:04

MessagePassing分析与说明

1Motivation在图神经网络中，如何像在欧式空间一样进行卷积操作，其重要的问题在于如何更新当前位置的信息。其每个位置（或者叫节点node）的更新方式如下所示。

EEPI·2023-10-29 15:57

服务运营｜论文解读：住院病人“溢出”：一种近似动态规划方法

摘要在住院床位管理中，医院通常会将住院病人分配到相对应的专科病房，但随着病人的入院和出院，可能会出现病人所需的专科病房满员，而其他病房却有空余床位的情况。于是就有了"溢出"策略，即当病人等候时间较长的情况下，考虑将病人分配到非首选病房。在实际应用中，因为有很多不确定因素，实时决策何时使用"溢出"策略是非常有挑战性的一个问题。本文将住院的病人流建模为一个并行多类别多池的排队网络（Multi-clas

运筹OR帷幄·2023-10-29 01:16

CS224W1.1——图机器学习介绍

文章目录1.介绍2.主要问题3.深度学习如何应用在图结构中4.课程大纲学习一下斯坦福CS224W的图机器学习（2021年），并做一下学习笔记，主要是研究方向与图神经网络相关。

阿牛大牛中·2023-10-28 13:30

图神经网络入门推荐好文（附GNN大佬资料包下载福利）

今天想和大家分享的是图卷积神经网络。随着人工智能发展，很多人都听说过机器学习、深度学习、卷积神经网络这些概念。但图卷积神经网络，却不多人提起。那什么是图卷积神经网络呢？简单的来说就是其研究的对象是图数据（Graph），研究的模型是卷积神经网络。为什么有图卷积神经网络自2012年以来，深度学习在计算机视觉以及自然语言处理两个领域取得了巨大的成功。和传统方法相比，它好在哪里呢？假设有一张图，要做分类，

极验·2023-10-28 05:43

图神经网络自监督学习工具箱 - PT-HGNN（二）

文章名称【KDD-2021】【BeijingUniversityofPostsandTelecommunications/SingaporeManagementUniversity】Pre-trainingonLarge-ScaleHeterogeneousGraph核心要点文章旨在解决现有图预训练任务只针对同构图的问题，提出了大规模异构图预训练框架PT-HGNN，利用节点级别和子图级别的预训练任

processor4d·2023-10-27 23:42

论文分享——北邮：基于学习解纠缠因果子结构的图神经网络去偏

作者：范少华研究方向：图神经网络论文标题：基于学习解纠缠因果子结构的图神经网络去偏论文链接：https://arxiv.org/pdf/2209.14107.pdf https://doi.org

一只水熊虫·2023-10-27 14:31

2017年美国大学生数学建模竞赛E题优秀论文解读

2017年美赛E题赛题2017ICMProblemE:SustainableCitiesNeeded!Background:Manycommunitiesareimplementingsmartgrowthinitiativesinanefforttoconsiderlongrange,sustainableplanninggoals.“Smartgrowthisabouthelpingevery

校苑数模·2023-10-27 08:08

U2-Net论文解读

原文《U2-Net:GoingDeeperwithNestedU-StructureforSalientObjectDetection》目录一、综述二、EnCode编码器三、DeCode解码器四、特征图融合与目标函数五、补充-空洞卷积一、综述U2-Net：基于堆叠U型结构的来加深网络，用于SOD（显著目标检测）。作者设计了一个简单而强大的深层网络架构，U2-Net，用于显著目标检测(SOD)。作者

韩师兄_·2023-10-26 13:38

论文解读：Black-Box Tuning for Language-Model-as-a-Service

核心要点：诸如GPT-3等大预训练语言模型（PLM）以服务的形式发布。允许用户设计特定于任务的提示(TaskspecifiedPrompt)，并通过黑盒API查询PLM。将这种不能访问梯度参数，只能通过推理API查询模型推理结果的场景称为LMaaS（LanguageModelasaService）本文在此场景下提出了一种黑盒优化框架，通过无导数优化来优化输入文本前的连续提示。大型PLM的低固有维数

RittoQin·2023-10-26 07:41

图和图神经网络的可视化，详解与示例

1图和图神经网络可视化图和图神经网络（GraphNeuralNetworks，GNNs）的可视化对于理解和分析复杂图结构和模型的工作非常重要。

LeapMay·2023-10-25 23:32

多尺度特征融合总结（金字塔结构）

多尺度特征融合参考连接：多尺度融合介绍MTCNN论文解读图像金字塔----高斯和拉普拉斯一、什么是多尺度？

m0_53955985·2023-10-25 17:33

图神经网络自监督学习工具箱 - PT-HGNN（一）

文章名称【KDD-2021】【BeijingUniversityofPostsandTelecommunications/SingaporeManagementUniversity】Pre-trainingonLarge-ScaleHeterogeneousGraph核心要点文章旨在解决现有图预训练任务只针对同构图的问题，提出了大规模异构图预训练框架PT-HGNN，利用节点级别和子图级别的预训练任

processor4d·2023-10-25 08:01

《Pytorch深度学习和图神经网络(卷 2)》学习笔记——第二章

基于图片内容的处理任务主要包括目标检测、图片分割两大任务。目标检测：精度相对较高，主要是以检测框的方式，找出图片中目标物体所在坐标。模型运算量相对较小，相对较快。图片分割：精度相对较低，主要是以像素点的集合方式，找出图片中目标物体边缘的具体像素点。模型运算量相对较大，相对较慢。目标检测单阶段：也叫Region-free方法，直接从模型获得预测结果，有YOLO、SSD、RetinaNet等。两阶段：

404detective·2023-10-23 18:38

4个可以写进简历的京东 NLP 项目实战

01京东AI项目实战课程安排覆盖了从经典的机器学习、文本处理技术、序列模型、深度学习、预训练模型、知识图谱、图神经网络所有必要的技术。

Amusi（CVer）·2023-10-23 13:16

关于NLP相关技术全部在这里：预训练模型、图神经网络、模型压缩、知识图谱、信息抽取、序列模型、深度学习、语法分析、文本处理...

像BERT、GPT-3、图神经网络、知识图谱等技术应运而生。我们正处在信息爆炸的时代、面对每天铺天盖地的网络资源和论文、很多时候我们面临的问题并不是缺资源，而是找准资源并高效学习。

Amusi（CVer）·2023-10-23 13:15

[博学谷学习记录] 超强总结，用心分享|Python语法练习_函数式编程

陈万君Allen·2023-10-23 02:12

CS224W-图神经网络笔记3.1：Motifs and Structural Roles in Networks - 网络的结构（Motifs and Graphlet）

本文总结之日CS224WWinter2021只更新到了第四节，所以下文会参考2021年课程的PPT并结合2019年秋季课程进行总结以求内容完整课程主页：CS224W:MachineLearningwithGraphs视频链接：【斯坦福】CS224W：图机器学习(中英字幕|2019秋)1引言前面两节，讨论的网络的整体统计信息，这一节开始聚焦网络中的一些特殊结构（子图）和其中节点的的角色。2一些新概念

Epiphron·2023-10-22 18:16

Fasttext (Bag of Tricks for Efficient Text Classification) 阅读笔记

论文原文BagofTricksforEfficientTextClassification论文信息EACL2017论文解读HytnChen更新时间2020-02-23文本分类相关方法用作文本分类的卷积神经网络

Nstar-LDS·2023-10-22 14:01

【论文解读】Prefix-Tuning: Optimizing Continuous Prompts for Generation

一.介绍1.1前置知识1.1.1in-contextlearningAtthelimit,GPT-3(Brownetal,2020)canbedeployedusingin-contextlearning,whichisaformofprompting,withoutmodifyinganyLMparameters."部署"指的是将GPT-3模型用于实际应用或特定任务的过程。"In-context

weixin_50862344·2023-10-21 18:51

【论文解读】The Power of Scale for Parameter-Efficient Prompt Tuning

一.介绍1.1promotetuning和prefixtuning的关系“前缀调优”的简化版1.2大致实现冻结了整个预训练模型，并且只允许每个下游任务附加k个可调令牌到输入文本。这种“软提示”是端到端训练的，可以压缩来自完整标记数据集的信号，使我们的方法优于少量提示，并通过模型调整缩小质量差距。同时，由于单个预训练模型可用于所有下游任务，因此我们保留了冻结模型的高效服务优势1.3核心贡献提出提示调

weixin_50862344·2023-10-21 18:51

【论文解读】Parameter-Efficient Transfer Learning for NLP

一.介绍1.1为什么要引入Adapter在存在许多下游任务的情况下，微调的参数效率很低:每个任务都需要一个全新的模型。作为替代方案，我们建议使用适配器模块进行传输。1.2论文目标目标是建立一个在所有这些方面都表现良好的系统，但不需要为每个新任务训练一个全新的模型1.3论文贡献设计一个有效的适配器模块及其与基础模型的集成。我们提出了一个简单而有效的瓶颈架构。二.NLP的适配器调优2.1瓶颈设计上图显

weixin_50862344·2023-10-21 18:12

【论文解读】人工智能时代的科学发现

一、简要介绍人工智能（AI）正越来越多地融入到科学发现中，以增强和加速研究，帮助科学家产生假设、设计实验、收集和解释大型数据集，并获得仅使用传统的科学方法可能无法获得的见解。在这里，论文研究了过去十年的突破，包括自我监督学习，它允许模型在大量的未标注的数据上进行训练，以及几何深度学习，它利用关于科学数据结构的知识来提高模型的准确性和有效性。生成型人工智能方法可以通过分析不同的数据模式，包括图像和序

合合技术团队·2023-10-21 17:14

【论文阅读-图神经网络】图分类研究综述

图分类研究综述王兆慧,沈华伟,曹婍,程学旗.图分类研究综述.软件学报,2022,33(1):171–192.http://www.jos.org.cn/1000-9825/6323.htm图分类问题：给定一组图,图分类的目标是学习图和对应类别标签的映射关系,并预测未知图的类别标签。Chapter2基于图相似度计算的图分类作者把基于图核的方法和基于图匹配的方法，都归类为基于图相似度的计算。（1）基于

_春天_·2023-10-21 14:17

【论文解读】(如何微调BERT？) How to Fine-Tune BERT for Text Classification?

文章目录论文信息1.论文内容2.论文结论2.1微调流程2.2微调策略(Fine-TuningStrategies)2.3FurtherPretrain3.论文实验介绍3.1实验数据集介绍3.2实验超参数3.3Fine-Tuning策略探索3.3.1处理长文本3.3.2不同层的特征探索3.3.3学习率探索（灾难性遗忘探索）3.3.4不同层使用不同学习率3.2FurtherPretraining探索3

iioSnail·2023-10-21 13:55

图神经网络 | 图神经网络模型

图神经网络（GNN）是深度学习领域的一个重要模型，已广泛应用于推荐系统、计算机视觉、自然语言处理、分子分析、数据挖掘和异常检测等现实场景。

码农腾飞·2023-10-21 05:02

Day 3: 参数初始化

神经网络参数初始化神经网络结构图神经网络的参数主要是权重（weights）：W，和偏置项（bias）：b1)0初始化不管是哪个神经元，它的前向传播和反向传播的算法都是一样的，如果初始值也一样的话，不管训练多久

andyjkt·2023-10-20 03:28

AttributeError:module ‘torch.nn.parameter‘ has no attribute ‘UninitializedParameter‘

解决在使用torch-geometric构建图神经网络出现module‘torch.nn.parameter’hasnoattribute'UninitializedParameter’错误。

ASS-ASH·2023-10-19 18:29

探索LLM在图上学习的潜力10.14 暂停

在具有文本节点属性的图形上进行学习的最流行的流程主要依赖于图神经网络（GNN），并利用浅层文本嵌入作为初始节点表示，但这在通用知识和深入语义理解方面存在局限性。

露葵025·2023-10-19 13:09

《Graph WaveNet for Deep Spatial-Temporal Graph Modeling》论文解读

基于时空图采用GraphWaveNet建模，其能够有效的处理大范围时间序列的时空图数据。在该模型架构中，主要包括两个模块，分别为GCN和TCN。两个模块融合获取时间空间的依赖关系。该模型的框架如下：目录一、本论文的创新点如下：

Winner3·2023-10-19 00:12

基于图神经网络的图像分类,遥感图像分析

遥感图像分类法图像分类是与图像信息提取和增强不同的遥感图像处理中另一重要的方面，与图像增强后仍需人为解译不同，它企图用计算机做出定量的决定来代替人为视觉判译步骤。因此，分类处理后输出的是一幅专题图像。在此图像中，原来图像中的每一个象元依据不同的统计决定准则被划归为不同的地表覆盖类，由于是一种统计决定，必然伴随着某种错误的概率。因此，在逻辑上的合理要求是，对每一个象元所做的决定，应是使整个被分类面积

「已注销」·2023-10-18 08:48

推荐频道

图神经网络论文解读