图神经网络论文解读第35页

【论文解读 AAAI 2018 | DHNE】Structural Deep Embedding for Hyper-Networks

论文链接：https://arxiv.org/abs/1711.10146代码链接：https://github.com/tadpole/DHNE会议：AAAI2018目录1摘要2介绍2.1一些基本概念如下2.2本文的贡献如下2.3一些定义3DeepHyper-NetworkEmbedding3.1损失函数4总结1摘要现有的网络嵌入工作都聚焦于有成对关系的网络，但在现实中，有超边（hyperedg

byn12345·2022-12-29 14:36

顶会快讯 | 两篇多图神经网络学习跨域表示文章推荐

导读：本期论文分享两篇多图神经网络学习跨域表示的文章，一篇是图节点分类任务，另一篇是推荐任务的。

weixin_45519842·2022-12-29 13:37

图神经网络+对比学习，下一步去哪？

机构｜中国人民大学高瓴人工智能学院研究方向｜图机器学习与推荐系统本文介绍的是图对比学习的研究趋势。文章也同步发布在AIBox知乎专栏（知乎搜索AIBox专栏），欢迎大家在知乎专栏的文章下方评论留言，交流探讨！转载本文请注明来源RUCAIBox。1.引言随着对比学习（ContrastiveLearning）在CV、NLP等领域大放异彩，其研究热度近年来也逐步走高。在图学习领域，由于图（Graph）数

处女座程序员的朋友·2022-12-29 13:03

AF-GCL：不需要增强的图对比学习

©作者|GeorgeM学校|北京大学研究方向|图神经网络论文标题：Augmentation-FreeGraphContrastiveLearning论文链接：https://arxiv.org/abs/

PaperWeekly·2022-12-29 13:28

图对比学习的应用（NCL，SimGRACE，ClusterSCL）

博主以往已经整理过图神经网络用于推荐系统，整理过对比学习用于推荐系统。

上杉翔二·2022-12-29 13:57

论文笔记：WWW 2020 Heterogeneous Graph Transformer

1.前言论文链接：https://arxiv.org/abs/2003.01332github：https://github.com/acbull/pyHGT近年来，图神经网络(GNNs)在结构化数据建模方面取得了巨大的成功

饮冰l·2022-12-29 13:08

湖大2022秋数据挖掘期末作业

注意一下：要求用图神经网络，但是我没写过图神经网络，用的是普通的神经网络，所有的层都是全连接层。

圆大侠·2022-12-29 13:35

[论文解读]Deep active learning for object detection

Deepactivelearningforobjectdetection文章目录Deepactivelearningforobjectdetection简介摘要初步以前的工作Method黑箱主动学习3.1.1Minmax(mm)3.1.2MaximumEntropy(ent)3.1.3SumEntropy(ent-sum)白盒主动学习勘探/开发框架结果PASCALVOC不同口味白盒的比较与黑箱方法

年糕糕糕·2022-12-29 00:09

Position-aware 图神经网络

结点嵌入的三种方法：图神经网络方法矩阵分解方法随机游走方法下面讲讲图神经网络的方法：在图神经网络框架里，结点嵌入式通过一系列非线性图卷积、池化等操作实现。

欧阳AI锋·2022-12-28 23:59

论文笔记--Position-aware Graph Neural Networks

现存的GNN都无法获取点的位置信息，不能很好的处理同构的点，作者提出一种用于计算位置感知节点嵌入的新型图形神经网络P-GNN（位置感知图神经网络），用于解决这个问题。

chenxino·2022-12-28 23:28

Datawhale 图神经网络 Task01简单图论与环境配置与PyG库

1.简单图论用neo4j生成了一张图用以简单的了解图以及其背后的知识。首先，这张图有两种元素构成，节点和边，对应的就是实体和关系。然后节点油分为两类，一类是人，另一类是电影。图其实就是把语言以图的形式表现出来，重点是强调各个个体之间的关系，在这个万物互联的时代，图显得更加贴切实际了。自然而然的想到，图会包含节点属性，边属性，行走连同等等方面的特点，这都是为了充分考虑图的特性。当我们把自然语言或者实

Andrew_zjc·2022-12-28 17:09

GPT论文解读

GPT：GenerativePre-Training。文章目录1.摘要2.结论3.损失函数1.摘要概述（NLU包含多个具体的子任务）->现状导致了挑战（未标注数据远远超过了标记数据）->使用GPT的方法（具体包含discriminativefine-tuning）产生了很大的进步->相比于以前的方法，充分利用了task-awareinputtransformation->具体产生了哪些提升

强强学习·2022-12-28 14:18

论文解读：ProteinBERT: a universal deep-learning model of protein sequence and function

目录1.研究背景2.研究数据2.1预训练的蛋白质数据集2.2蛋白质基准数据集3.研究方法3.1序列和标注编码3.2蛋白质序列和注释的自我监督预训练3.3对蛋白质基准进行监督微调3.4深度学习框架4.结果4.1预训练可以改善蛋白质模型4.2ProteinBERT在不同的蛋白质基准上达到了近乎最先进的结果4.4全局注意力机制的理解5.结论作者单位：耶路撒冷希伯来大学发表期刊：《Bioinformati

wangpan007·2022-12-28 14:08

论文解读：DenseCap: Fully Convolutional Localization Networks for Dense Captioning

本篇论文解读的排版主要参见原文的格式，针对原文中的每一个小节进行展开，有的是对原文的一个提炼和简单概括，有的是对原文中涉及但是又没有详细介绍的技术的补充和说明。

ZeroZone零域·2022-12-28 13:51

图神经网络（GNN）基础

提示：用作学习笔记，顺便分享，侵删文章目录前言一、图的基本概念1.图的表示2.图的实例3.图的应用4.使用图面临的挑战二、图神经网络基础（GNN）1.最简单的GNN2.pooling操作（汇集操作）3.

leener-Y·2022-12-28 12:49

实体对齐（二）：BERT-INT

为了同时利用图结构和额外信息(如名称、描述和属性)，大多数工作通过图神经网络链接实体来传播额外信息，尤其是名称。然而，由于不同知识图谱的异构性，对齐精度将受到聚合不同邻居的影响。

J_Xiong0117·2022-12-28 10:46

图神经网络（五）：GAT

文章目录一.摘要二.背景介绍三.GAT四.总结五.附录一.摘要我们提出了图注意网络（GAT），一种在图结构数据上运行的新型神经网络架构，利用掩蔽的自我注意层来解决基于图形卷积或其近似的先前方法的缺点。通过堆叠节点能够参与其邻域特征的层，我们能够（隐式）为邻域中的不同节点指定不同的权重，而不需要任何类型的昂贵的矩阵运算（例如求逆）或依赖于对图的了解结构前期。通过这种方式，我们同时解决了基于谱的图神经

J_Xiong0117·2022-12-28 10:45

猎人猎物优化算法HPO

原论文解读在这里代码转自这里importnumpyasnpfromtqdmimporttqdm#进度条设置importrandomfrommatplotlibimportrcParamsimportmathimportmatplotlib

卡卡西~·2022-12-28 08:10

论文笔记-HyVulDect: A hybrid semantic vulnerability mining system based on graph neural network

2提出方法提出了一个基于混合语义的图神经网络漏洞挖掘系统HyVulDect。该系统构建了一个复合语义的代码属性图来表示代码，使用门控图神经网络提取深层语义信息。

阿航的博客·2022-12-27 23:25

体素ICCV2019（一）Pix2Vox: Context-aware 3D Reconstruction from Single and Multi-view Images

《Pix2Vox:Context-aware3DReconstructionfromSingleandMulti-viewImages》论文解读Abstract1.Relatedwork1.1Single-view3DReconstruction1.2Multi-view3DReconstruction2

Raywit·2022-12-27 21:53

《Towards Accurate Alignment in Real-time 3D Hand-Mesh Reconstruction》论文解读

一、参考资料实时重建手部网格3DHandMeshReconstruction论文笔记二、相关介绍《TowardsAccurateAlignmentinReal-time3DHand-MeshReconstruction》（实时三维手部网格重建中的精确对齐）XiaoTang,TianyuWang,andChi-WingFu.InternationalConferenceonComputerVisio

花花少年·2022-12-27 21:48

场景文字检测DBnet论文解读

追天一方·2022-12-27 18:39

PGL图学习之项目实践(UniMP算法实现论文节点分类、新冠疫苗项目)[系列九]

图神经网络将神经网络运用至图结构中，可以被描述成消息传递的范式。百度开发了PGL2.2，基于底层深度学习框架paddle，给用户暴露了编程接口来实现图网络。与此同

AI Studio·2022-12-27 17:20

(九)YOLOv3----2018CVPR论文解读

YOLOv3:AnIncrementalImprovementYOLOv3：增量改进Abstract我们向YOLO提供一些更新！我们做了一些小的设计更改以使其更好。我们还培训了这个相当庞大的新网络。比上次要大一点，但更准确。不过速度还是很快的，请放心。YOLOv3在320×320的条件下以28.2mAP的速度运行22ms，与SSD一样精确，但速度快了三倍。当我们查看旧的.5IOUmAP检测指标YO

灯会_hust·2022-12-27 14:27

跟李沐学AI：A Gentle Introduction to Graph Neural Networks（图神经网络GNN）

跟李沐学AI：AGentleIntroductiontoGraphNeuralNetworks1.Intro2.Whatagraphis2.1图表示的例子2.2图中三个层面的问题2.2.1graph-level2.2.2Node-level2.2.3Edge-level2.3在图上使用机器学习的挑战3.GraphNeuralNetworks3.1一个简单的例子3.2信息传递3.3学习边的表示3.4

cosθ·2022-12-27 13:44

论文解读：《一种基于长短期记忆网络深度学习的药物靶相互作用预测方法》

论文解读：《Adeeplearning-basedmethodfordrug-targetinteractionpredictionbasedonlongshort-termmemoryneuralnetwork

风灬陌·2022-12-27 11:18

论文解读《Structured Pruning for Deep Neural Networks with Adaptive Pruning Rate Derivation Based on Con》

论文：StructuredPruningforDeepNeuralNetworkswithAdaptivePruningRateDerivationBasedonConnectionSensitivityandLossFunction基于连接敏感性和损失函数的能够自适应推导剪枝率的深度神经网络结构化剪枝论文地址：DOI:10.12720/JAIT.13.3.295-300发表时间：2022/6,J

qq_46031969·2022-12-27 10:36

学习笔记 | ICML 2022 用虚拟节点促进图结构学习

proceedings.mlr.press/v162/liu22d.html代码地址：https://github.com/HKUST-KnowComp/DummyNode4GraphLearning关键词：图结构学习、虚拟节点、图神经网络随着图核和

叶庭云·2022-12-27 10:36

CVPR 2022 | 腾讯AI Lab入选论文解读，关注图像理解、生成、建模及可信AI

感谢阅读腾讯AILab微信号第147篇文章。本文介绍腾讯AILab被CVPR2022收录的研究成果。CVPR（ConferenceonComputerVisionandPatternRecognition）是计算机视觉三大顶会之一，也是中国计算机学会推荐的人工智能领域的A类会议。今年会议于6月19-24日以线上线下结合形式举行，据此前披露数据，今年会议投稿量突破了一万，其中2067篇论文被接收。本

腾讯AI实验室·2022-12-27 09:34

SimCSE Simple Contrastive Learning of Sentence Embeddings论文解读

SimCSE:SimpleContrastiveLearningofSentenceEmbeddingspaper：[2104.08821]SimCSE:SimpleContrastiveLearningofSentenceEmbeddings(arxiv.org)code：princeton-nlp/SimCSE:EMNLP’2021:SimCSE:SimpleContrastiveLearni

Trouble..·2022-12-27 06:48

颜色识别总结

颜色检测1、目标检测detr【End-to-EndObjectDetectionwithTransformers】论文解读源码复现2、目标检测deformabledetr【DEFORMABLEDETR:

lzh~·2022-12-26 14:55

时空预测模型

STGCN流量预估模型论文解读《Spatio-TemporalGraphConvolutionalNetworks:ADeepLearningFrameworkforTrafficForecasting

Citroooon·2022-12-26 12:55

图神经网络（二十六）Cluster-GCN: An Efficient Algorithm for Training Deep and Large Graph Convolutional Networ

本文收录于KDD2019，作者来自国立台湾大学。图卷积网络已经成功地应用于许多基于图数据的应用，然而，但对于大型GCN来说其训练仍然具有挑战性，目前基于SGD的算法要么面临着随GCN层数呈指数增长的高昂计算成本，要么面临着保存整个图形和每个节点的embedding到内存的巨大空间需求。本文作者提出了基于图聚类优化的图卷积神经网络（Cluster-GCN），使得图卷积神经网络计算效率能在时间空间收敛

码匀·2022-12-26 11:19

GNN学习笔记（六）：Cluster-GCN：一种用于训练深度和大型图卷积网络的高效算法

引言普通的基于SGD的图神经网络的训练方法，存在着以下问题：问题1：计算成本较大问题。随着图神经网络层数增加，计算成本呈指数增长。问题2：内存消耗巨大问题。

唠叨小主·2022-12-26 11:15

【图神经网络】Cluster-GCN练习

声明：仅学习使用~目录一、Cluster-GCN练习1.1遇到特别大的图该怎么办？1.2Cluster-GCN方法1.3torch_geometric中的调用方法1.4构建GCN，训练二、code整合一、Cluster-GCN练习1.1遇到特别大的图该怎么办？遇到特别大的图该怎么办？图中点和边的个数都非常大的时候会遇到什么问题呢？当层数较多时，计算量特别大，我们可能还可以忍，但是显存不够…还忍得了

追光者♂·2022-12-26 11:14

FaE：基于符号知识的适应性和可解释的神经记忆

NLP论文解读·2022-12-26 10:52

知识增强的预训练语言模型系列之ERNIE：如何为预训练语言模型注入知识

NLP论文解读·2022-12-26 08:38

图像分类任务之GoogLeNet网络模型

二、GoogLeNet论文解读1.挑战及创新工作2.Inception模块介绍3.Python代码实现三、总结前言图像分类是计算机视觉中最基础的任务，学者对于分类任务的研究进程，基本上等价于深度学习模型的发展史

CPones·2022-12-26 08:36

【论文解读】HyTE

HyTE:基于超平面时间感知的知识图谱Embedding一个人可以非常清贫、困顿、低微，但是不可以没有梦想。只要梦想一天，只要梦想存在一天，就可以改变自己的处境。—奥普拉·温弗瑞Trans系列的主题是基于翻译模型的知识表示学习，主要用来解决知识表示和推理的问题。本文主要介绍TransE和数据集Wordnet、Freebase等。表示学习：主要面向知识图谱中实体和关系进行表示学习，一般使用建模方法将

Y.G Bingo·2022-12-26 04:54

论文解读：（TransH）Knowledge Graph Embedding by Translating on Hyperplanes

转自：https://blog.csdn.net/qq_36426650/article/details/103336589?utm_medium=distribute.pc_relevant.none-task-blog-BlogCommendFromMachineLearnPai2-3.control&depth_1-utm_source=distribute.pc_relevant.none

tianguiyuyu·2022-12-26 04:20

异构图神经网络（4）Graph Transformer Networks

GraphTransformerNetworks这篇文章发表于NIPS2019。Motivation最近关于异构图嵌入学习的方法都是设计meta-path，基于meta-path将异构图划分成多个同构图，然后再用传统的GNN处理同构图。这种two-stage的方法要求对于每个问题手动设计meta-paths，后续分析的准确性会因不同的meta-paths而受到影响。所以作者为了防止手动选择meta

文件夹66·2022-12-26 00:46

【论文解读 ICEIT2022】Heterogeneous Graph Based Knowledge Tracing基于异构图的知识追踪

林若漫空·2022-12-26 00:14

【论文解读 | SIGIR2020】异构视角下mooc知识概念推荐的注意图卷积网络

【论文链接】AttentionalGraphConvolutionalNetworksforKnowledgeConceptRecommendationinMOOCsinaHeterogeneousView文章目录摘要1引言摘要大规模在线开放课程(mooc)正在成为一种时尚的教育方式，它为学生提供了大规模、开放的学习机会，以掌握知识。为吸引学生的兴趣，mooc提供商采用推荐系统向学生推荐课程。但是

林若漫空·2022-12-26 00:41

OpenSMax: Unknown Domain Generation Algorithm Detection ECAI2020开放集识别论文解读

[12]OpenSMax:UnknownDomainGenerationAlgorithmDetection.ECAI2020:1850-1857本文是openmax的改进版本，同样是通对交叉熵分类网络进行后处理，用来开放集域名检测（未知域名发现）。openmax的去呗在于建立的单类模型不是极值机，而是ocsvm，并且用来建模的不仅仅是penultimate层,还包括最后一层在训练中，就用普通的交

appron·2022-12-25 23:57

Towards Open Set Deep Networks CVPR2016开放集识别论文解读

[11]BendaleA,BoultT.TowardsOpenSetDeepNetworks[C]//2016IEEEConferenceonComputerVisionandPatternRecognition(CVPR).IEEE,2016.本文开发了通对交叉熵分类网络进行后处理，用来开放集分类。在训练中，就用普通的交叉熵。在测试时，对每个每个类正确分类样本激活值建立一个极值分布（算法1），并

appron·2022-12-25 23:56

图神经网络的解释性综述！

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。

机器学习算法那些事·2022-12-25 21:21

KGAT: Knowledge Graph Attention Network forRecommendation——学习笔记

KnowledgeGraphAttentionNetworkforRecommendation：字面意思：用于推荐的知识图谱注意力网络，是基于知识图谱的图神经网络在推荐系统中的应用。

wdd_100·2022-12-25 18:25

detr论文解读【End-to-End Object Detection with Transformers】

下载论文地址源码地址论文解读仅仅的目标检测部分进行解读1、Background2、Goal/Objective3、Strategy4、整体网络架构5、Encoder完成的任务6、优缺点代码复现详见https

lzh~·2022-12-25 18:17

【论文理解】R-CNN 之预测框回归（Bounding box regression）问题详述

（图摘自b站up“同济子豪兄”的R-CNN论文解读）我们需要思考这样一个问题：为什么加入这一个Regression

takedachia·2022-12-25 14:26

推荐频道

图神经网络论文解读