图神经网络第24页

图神经网络中的Graph Pooling

点击上方，选择星标或置顶，每天给你送干货！阅读大概需要4分钟跟随小博主，每天进步一丢丢来自|CSDN博客作者|木盏https://blog.csdn.net/leviopku/article/details/106949616编辑|深度学习这件小事公众号本文仅作学术交流，如有侵权，请联系后台删除。前言GNN/GCN在非欧数据中的应用具有极大的挖掘价值。通常，GNN的应用分为两种：1，节点分类；2，

zenRRan·2022-11-24 22:10

【图神经网络论文整理】（五）—— Self-Attention Graph Pooling：SAGPool

ICML2019JunhyunLee,InyeopLee,JaewooKangMachineLearning(cs.LG);MachineLearning(stat.ML)论文地址本文介绍的论文是《Self-AttentionGraphPooling》。该篇文章提出了一种新的图池化方式，该池化方式是基于自注意力机制来计算得分，同时考虑了节点特征和图的拓扑结构，能够实现端到端方式学习图的层次表示。一

咕嘟·2022-11-24 22:31

三大顶会看动态图表示学习

作者|王春辰学校|北京邮电大学研究方向|图神经网络及其应用鉴于网络挖掘在现实生活中的丰富应用，以及近些年网络表示学习的兴起，网络嵌入已经成为学术界和工业界日益关注的研究热点。

文文学霸·2022-11-24 21:58

《深入浅出图神经网络》阅读笔记-第3章卷积神经网络（2）卷积神经网络特点

卷积神经网络有三个特点：局部连接、权值共享、层次化表达1、局部连接卷积计算每次都在于卷积核大小对应的区域进行，所以说输入和输出是局部连接的。这也符合图像的局部相关性。感知野：指特征图上一个输出与多大区域的输入有关。通俗点讲就是卷积操作对多大的区域有计算。2、权值共享在图像中，不同的区域使用的是同一个卷积核，这样可以减少参数量并且带来了平移不变性。平移不变性是指不管输入如何平移，总能够得到相同的输出

与其等风来，不如追风去·2022-11-24 18:43

图神经网络——(2)图卷积神经网络

初入图神经网络，记录其中的一些理论知识。上一篇文章中简单的介绍了几种与图数据相关的名词以及它们之间的联系与区别，这篇文章中主要介绍图卷积神经网络（GCN）的实现原理。

Ma Sizhou·2022-11-24 18:42

《深入浅出图神经网络》阅读笔记-第3章卷积神经网络（1）

第一部分：卷积与池化1、信号处理中的卷积2、图像中的卷积不同的卷积核所提取的特征不同。根据用图直观上理解梯度算子（一阶）与拉普拉斯算子（二阶）的区别，线检测与边缘检测的区别_菊头蝙蝠的博客-CSDN博客_一阶梯度算子所述，二阶算子可得到图像的细节，一阶算子可得到图像的边缘。3、卷积的意义：可以将时域中的复杂的卷积运算转换为频域中的简单相乘运算，即：第二部分：深度学习中的卷积操作如果卷积的位置无法获

与其等风来，不如追风去·2022-11-24 18:12

《深入浅出图神经网络》阅读笔记-第3章卷积神经网络（2）- AlexNet讲解

参考《深入浅出图神经网络》。AlexNet由5个卷积层、2个池化层、3个全连接层组成。受当时硬件条件的影响，单个GPU无法运行这么大规模的模型，所以分为了两部分。

与其等风来，不如追风去·2022-11-24 18:12

深入浅出图神经网络学习笔记（2）神经网络基础

神经网络基础一、机器学习基本概念1.机器学习流程概述1数学模型2损失函数3梯度下降算法二、神经网络1神经元2多层感知机3训练神经网络总结一、机器学习基本概念随着人工智能的不断发展，机器学习这门技术也越来越重要，很多人都开启了学习机器学习，本文就介绍了机器学习的基础内容。1.机器学习流程概述提取特征——建立模型——确定损失函数进行优化求解模型可以看做一个复杂的函数f(X;W),建立输入到输出之间的映

小杜今天学AI了吗·2022-11-24 18:06

深入浅出图神经网络学习笔记（4）表示学习

表示学习一、离散表示与分布表示二、端到端学习三、基于重构损失的方法——自编码器四、基于基于对比损失的方法—Word2vec自动地从数据中去学习“有用”的特征，并可以直接用于后续的具体任务———称为表示学习一、离散表示与分布表示独热向量编码（one-hot），它将研究的对象表示为向量，这个向量只在某个维度上值是1，其余维度上值全为0，可以想象有多少种类型，这个向量的长度就有多长。比如要用这种方式去将

小杜今天学AI了吗·2022-11-24 18:36

《深入浅出图神经网络》读书笔记（4.表示学习）

4.表示学习文章目录4.表示学习4.1表示学习4.1.1表示学习的意义4.1.2离散表示与分布式表示4.1.3端到端学习4.2基于重构损失的方法——自编码器4.2.1自编码器4.2.2正则自编码器4.2.3变分自编码器4.3基于对比损失的方法—Word2vec4.3.1Skip-gram——词向量模型4.3.2负采样4.1表示学习4.1.1表示学习的意义机器学习算法性能严重依赖于特征，因此在传统机

ppgodcsy·2022-11-24 18:31

深入浅出图神经网络第2章神经网络基础读书笔记

第2章神经网络基础2.1机器学习基本概念2.1.1机器学习的分类机器学习有以下几种常见的分类方法：根据训练数据是否有标签可分为：监督学习：训练数据中每个样本都有标签，通过标签指导模型进行训练无监督学习：训练数据完全没有标签，算法从数据中发现约束关系，如数据之间的关联等，典型的无监督算法有如聚类算法半监督学习：训练数据又有有标签数据，又有无标签数据（GNN划时代的论文GCN的模型就是半监督的）从算法

DazTricky·2022-11-24 18:23

深入浅出图神经网络第3章卷积神经网络读书笔记

第3章卷积神经网络卷积神经网络CNN是目前应用最广泛的模型之一，具有局部连接、权值共享等特点，是一种深层前馈神经网络。3.1卷积与池化卷积与池化是CNN中的两个核心操作。3.1.1信号处理中的卷积题外话：因为这部分的核心知识应该是属于《信号与系统》这门课程的，但…我没学过，所以学起来应该会痛苦面具吧，摘录原书公式的同时我也尽量给出一些自己的理解卷积的一个典型应用：给定输入信号f(τ)f(\tau)

DazTricky·2022-11-24 18:23

《深入浅出图神经网络》读书笔记 1-2

《深入浅出图神经网络》读书笔记1-2第1章图的概述第2章神经网络基础2.1机器学习基本概念2.2神经网络2.4训练神经网络第1章图的概述图神经网络（GraphNeuralNetwor,GNN）的发展历程

HuixinZhang2013·2022-11-24 18:22

《深入浅出图神经网络》读书笔记（5.图信号处理与图卷积神经网络）

5.图信号处理与图卷积神经网络5.1矩阵乘法5.2图信号与图的拉普拉斯矩阵图G=(V,E)G=(V,E)G=(V,E)，共有N个节点，图信号是一种描述V→RV\rightarrowRV→R的映射，可以表示为向量x=[x1,x2,...,xN]T\pmbx=[x_1,x_2,...,x_N]^Txxx=[x1,x2,...,xN]T,其中xix_ixi表示的是节点viv_ivi上的信号强度。拉普拉斯

ppgodcsy·2022-11-24 18:50

《深入浅出图神经网络》读书笔记（3.卷积神经网络）

3.卷积神经网络文章目录3.卷积神经网络5.1卷积5.1.1卷积的定义5.1.2互相关5.1.3卷积的变种5.1.4卷积的数学性质5.2卷积神经网络5.2.1用卷积代替全连接5.2.2卷积层5.2.3汇聚层（池化层）5.2.4卷积网络的整体结构5.3参数学习5.4几种典型的卷积神经网络5.4.1LeNet-55.4.2AlexNet5.4.3Inception网络e.g.GoogLeNete.g.

ppgodcsy·2022-11-24 18:20

《深入浅出图神经网络》读书笔记（1-2基础知识回顾）

基础知识回顾文章目录基础知识回顾1.图的概述1.1图的相关定义1.2图的存储和遍历1.3图的应用场景和发展2.神经网络基础2.1机器学习分类：2.2机器学习流程2.3损失函数2.4梯度下降算法2.4.1梯度下降算法原理2.4.2梯度下降算法2.5神经网络2.5.1神经元2.5.2多层感知器2.5.3激活函数2.5.3.1Sigmoid型函数2.5.3.2ReLU函数a.带泄露的ReLUb.带参数的

ppgodcsy·2022-11-24 18:19

【PyG】与networkx的图转换

在使用图神经网络的过程中，往往需要使用到相关的GNN库，而在这些GNN库中，一款比较高效热门的图神经网络库是PyTorch中的PyG库。

zz.YE·2022-11-24 17:00

论文阅读——《Global Context Enhanced Graph Neural Networks for Session-based Recommendation》

《GlobalContextEnhancedGraphNeuralNetworksforSession-basedRecommendation》基于会话推荐的全局上下文增强图神经网络摘要:基于会话的推荐

I have a lemon·2022-11-24 17:39

Rething the Item Order in Session-based Recommendation with Graph Neural Networks (FGNN 2019)

RethingtheItemOrderinSession-basedRecommendationwithGraphNeuralNetworks本篇文章讲的仍然是使用图神经网络做基于session的推荐，

NSSWTT·2022-11-24 17:35

图神经网络关系抽取论文阅读笔记（二）

1用于关系抽取的生成式参数图神经网络论文：GraphNeuralNetworkswithGeneratedParametersforRelationExtraction（2019ACL）1.1创新点传统的图神经网络在进行

程哥哥吖·2022-11-24 15:47

ACL2022 | 利用中文语言层级异质图强化预训练语言模型

并利用图神经网络建模，在该HLG异质图上实施多步信息传播（Mul

PKUMOD·2022-11-24 15:00

Improving Inductive Link Prediction Using Hyper-Relational Facts

在这项工作中，我们对不同的归纳设置进行了分类，并研究了在图神经网络的最新进展支持的广泛的半归纳和全归纳

小蜗子·2022-11-24 12:40

重磅！京东21篇论文入选AI顶会AAAI 2021

其研究方向包含了计算机视觉、联邦学习、对抗学习、深度学习、序列推荐、社交推荐、图神经网络、风险管理的反因果推断，以及智能城市领域的时空AI等领域。在A

Amusi（CVer）·2022-11-24 11:35

20210716未来智能实验室收录资料

《科学》：媲美AlphaFold2的蛋白质结构预测新工具问世，一台游戏计算机十分钟出结果，完全免费2.清华团队综述全面解读图神经网络理论方法与应用3.芯片行业76个细分领域企业（国内对比国外）4.前沿丨

人工智能学家·2022-11-24 11:18

Advances in Graph Neural Networks笔记4：Heterogeneous Graph Neural Networks

以研究生组会讲异质图神经网络主题论文作为标准的话，倒是还行，介绍了HGNN的常见范式和三个经典模型。以教材或综述作为标准的话，建议别买。文章目录1.HGNN2.heterogeneousgra

诸神缄默不语·2022-11-24 10:00

同构和异构经典图神经网络汇总+pytorch代码

收集一些讲解比较好的博客或者知乎文档，以及对应的代码1、同构图神经网络-GCN/GAT/GraphSAGE图卷积：从GCN到GAT、GraphSAGE图卷积：从GCN到GAT、GraphSAGEGCN-Semi-SupervisedClassificationwithGraphConvolutionalNetworks

明日韭菜·2022-11-24 07:56

Bi-CLKT: Bi-Graph Contrastive Learning based Knowledge Tracing

其他的工作尝试引入图神经网络(GNNs)，并相应地重新定义任务，以实现显著

林若漫空·2022-11-24 07:57

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。

NULL PTR·2022-11-24 06:28

python编程实现银行存取款程序

最近想做图神经网络，刚开始学python，但是看不懂里面的“函数”，于是自己学习了一下，根据学习内容实践了一下，编了一个小例子，可以运行着玩玩money=5000000name=input("请输入客户姓名

仙女笔记·2022-11-24 06:25

【论文笔记】图神经网络综述 A Comprehensive Survey on Graph Neural Networks

目录1.Introduction本篇综述的主要贡献本篇论文的整体结构2.DEFINITION3.分类和框架4.GRAPHCONVOLUTIONNETWORKS4.1基于谱的图卷积网络（Spectral-basedGraphConvolutionalNetworks）4.2基于空间的图卷积网络（Spacial-basedGraphConvolutionalNetworks）4.2.1Recurren

勇敢铁铁·2022-11-24 05:38

GNN-第三方库：DGL【图神经网络框架，支持对异构图的处理，开源相关异构图神经网络的代码，在GCMC、RGCN等业内知名的模型实现上也取得了很好的效果】

一、DGL库的实现与性能实现GNN并不容易，因为它需要在不规则数据上实现较高的GPU吞吐量。1、DGL库简介DGL库的逻辑层使用了顶点域的处理方式，使代码更容易理解。同时，又在底层的内存和运行效率方面做了大量的工作，使得框架可以发挥出更好的性能。2、DGL库特点GCMC：DGL的内存优化支持在一个GPU上对MovieLens10M数据集进行训练（原实现需要从CPU中动态加载数据），从而将原本需要2

u013250861·2022-11-24 05:13

跟着官方文档学DGL框架第十天——训练图神经网络之链接预测

参考链接https://docs.dgl.ai/en/latest/guide/training-link.html#guide-training-link-prediction概述什么是链接预测链接预测就是预测图中给定节点间是否存在边，常用于推荐系统。形式化地，给定节点uuu和vvv，链接预测的任务就是得到它们间存在链接的概率yu,v=ϕ(u,v)y_{u,v}=\phi\left(u,v\ri

cqu_shuai·2022-11-24 05:31

跟着官方文档学DGL框架第九天——训练图神经网络之边分类/回归

参考链接https://docs.dgl.ai/en/latest/guide/training-edge.html#guide-training-edge-classification回归问题与分类问题只是损失函数上的不同，模型和流程都是一样的。而获得边的预测值或者类别，可以通过融合端点的表示和边自身的表示来获得（在本节中没用上边的特征）。同构图上的边回归任务处理数据使用“跟着官方文档学DGL框

cqu_shuai·2022-11-24 05:01

图神经网络框架DGL学习 104——图分类模型（Graph Classification Tutorial）

将图神经网络应用于此问题是最近流行的方法。一、数据集已知有一以下几种类型的形状及其类型，需训练一个相应的分类模型。该数据集为DGL的MiniGCDataset。首先，导入所有要使用的模块。

wufeil·2022-11-24 04:17

图神经网络17-DGL实战：节点分类/回归

对于图神经网络来说，最常见和被广泛使用的任务之一就是节点分类。图数据中的训练、验证和测试集中的每个节点都具有从一组预定义的类别中分配的一个类别，即正确的标注。

致Great·2022-11-24 04:17

图神经网络（四）图分类（3）图分类实战

图神经网络（四）图分类（3）图分类实战4.3图分类实战4.3图分类实战本节我们通过代码来实现基于自注意力的池化机制（Self-AttentionPooling）。

炎武丶航·2022-11-24 04:46

图神经网络之DGL安装

使用简单的pip直接安装dgl是可以成功的，但训练使用cuda的话则会报错，注意，如果使用torch框架，则必须在dgl安装之前安装torch…DGL安装：condainstall-cdglteamdgl-cuda10.1此处cuda10.1必须指定，也可以其他版本

码匀·2022-11-24 04:16

图神经网络的分类

图卷积神经网络GCN、GraphSage都属于图卷积神经网络，都是利用节点与节点周围的邻居信息不断的聚合，以学习到节点的高层表示。PATCH-SAN：因为GCN和GraphSage聚合邻居信息时具有排列不变性，而PATCH-SAN是真正利用卷积操作，去完成节点的深层次的学习。GraphAttentionNetWorkGAT利用节点之间的attention，求出节点与周围邻居节点的attention

vincent_hahaha·2022-11-24 04:15

图神经网络实践之图节点分类（一）

本文主要以DeepGraphLibrary（DGL）为基础，利用图神经网络来进行图节点分类任务。本篇针对的图为同构图。

nrcc·2022-11-24 04:14

跟着官方文档学DGL框架第十一天——训练图神经网络之整图分类（Graph Classification）

参考链接https://docs.dgl.ai/en/latest/guide/training-graph.html#guide-training-graph-classificationhttps://docs.dgl.ai/en/latest/generated/dgl.readout_nodes.html#dgl.readout_nodeshttps://docs.dgl.ai/en/la

cqu_shuai·2022-11-24 04:42

【图神经网络】使用DGL框架实现简单图分类任务

随着近来学界对于图神经网络的热情持续高涨，出现了一批用图神经网络做图分类的工作。比如训练图神经网络来预测蛋白质结构的性质，根据社交网络结构来预

镰刀韭菜·2022-11-24 04:41

零基础多图详解图神经网络

share_source=copy_web1.前言：主要内容：构建一个图神经网络需要哪些模块，背后的思想是什么图的上一层的结点是由图的下一层的邻居结点构成的图形无处不在。

coast_s·2022-11-23 22:25

10大NLP精选项目-涉及预训练Bert、知识图谱、智能问答、机器翻译、对话等

自然语言处理技术近几年发展非常快，像BERT、GPT-3、图神经网络、知识图谱等技术被大量应用于项目实践中。

Evan-yzh·2022-11-23 21:30

基于图注意力神经网络的多智能体博弈抽象

G2ANet《Multi-AgentGameAbstractionviaGraphAttentionNeuralNetwork》关键词：大规模，博弈抽象，2级（硬+软皆有）注意力机制，图神经网络通过简化策略学习过程解决了大规模智能体的问题

溪云初起，山雨欲来·2022-11-23 19:54

多智能体强化学习-G2ANet

本文将这种检测机制集成到基于图神经网络的多智能体强化学习中，以进行游戏抽象（可以理解为为了提高智能体的性能，简化

大鱼治不了水·2022-11-23 19:50

神经网络算法简单例子,图神经网络推荐算法

学：如何用Python实现7种机器学习算法（附1.线性回归算法在线性回归中,我们想要建立一个模型,来拟合一个因变量y与一个或多个独立自变量(预测变量)x之间的关系。是一个目标变量,它是一个标量线性回归模型可以理解为一个非常简单的神经网络:...2.Logistic回归算法在Logistic回归中,我们试图对给定输入特征的线性组合进行建模,来得到其二元变量的输出结果。例如,我们可以尝试使用竞选候选人

普通网友·2022-11-23 19:02

图神经网络相似度计算

图神经网络相似度计算注：大家觉得博客好的话，别忘了点赞收藏呀，本人每周都会更新关于人工智能和大数据相关的内容，内容多为原创，PythonJavaScalaSQL代码，CVNLP推荐系统等，SparkFlinkKafkaHbaseHiveFlume

陈万君Allen·2022-11-23 19:01

推荐系统----SR-GNN: Session-based Recommendation with Graph Neural Networks

GlobalContextEnhancedGraphNeuralNetworksforSession-basedRecommendation)已经有item交互数据,推断下一个是什么session是匿名的,并且数量有限之前用RNN建模,现在用GGNN(门控图神经网络

无意识积累中·2022-11-23 19:20

【论文笔记】论文清单备忘录

xDiffusionModel——由浅入深的理解x❓xxGuided_Diffusion_Models_for_Robust_Image_Manipulation-CVPR_2022x❓githubxxxxx图神经网络时间题目笔记链

梅津太郎·2022-11-23 17:07

ICLR2021有什么值得关注的GNN论文？

：1.图-图相似网络——将图分类问题转化为一个经典的节点分类问题2.如何找到你的友好邻里：自监督的图注意设计——提出了一种改进的噪声图的图注意模型——自监督图注意网络(SuperGAT)3.基于边割的图神经网络汇聚

weixin_45519842·2022-11-23 15:52

推荐频道

图神经网络