图神经网络

图神经网络与图注意力网络相关知识概述

#图神经网络##图注意力网络#随着计算机行业和互联网时代的不断发展与进步，图神经网络已经成为人工智能和大数据的重要研究领域。
霜里snow·2022-11-20 05:39

GAT图注意力网络

GAT(GraphAttentionNetworks)，加入了注意力机制的图神经网络，与GCN不同的是，其消息传递的权重是通过注意力机制得到。
十年前的海苔·2022-11-20 05:12

A股实践 ：图神经网络与新闻共现矩阵策略（附代码）

量化投资与机器学习微信公众号，是业内垂直于量化投资、对冲基金、Fintech、人工智能、大数据等领域的主流自媒体。公众号拥有来自公募、私募、券商、期货、银行、保险、高校等行业30W+关注者，荣获2021年度AMMA优秀品牌力、优秀洞察力大奖，连续2年被腾讯云+社区评选为“年度最佳作者”。量化投资与机器学习公众号独家撰写感谢ChinaScope对本文提供数据支持核心观点本文在Qlib已实现的图神经网
普通网友·2022-11-20 02:55

论文阅读-Federated Social Recommendation with Graph NeuralNetwork

基于图神经网络的联邦社交推荐1.引言因此，针对社交推荐任务，我们设计了一个联邦学习推荐系统，该系统具有异构性、个性化和隐私保护要求，具有一定的挑战性。
末世灯光·2022-11-19 23:54

图神经网络（GNNs）模型学习笔记与总结

GCN学习笔记1基于谱域的GCN1.1知识要点：1.2Spectral-basedmodels1.2.1SpectralNetwork1.2.2ChebNet（2016）1.2.3GCN（2017）1.2.4AGCN（2018）1.2.5DGCN（2018）1.2.6GWNN1.2.7小结2基于空间的GCN2.1知识要点2.2Spatial-basedmodels2.2.1NeuralFPs2.2
Arvin Ou·2022-11-19 22:14

图神经网络的直推式(Transductive)学习与归纳(Inductive)学习

一般的定义如何理解inductivelearning与transductivelearning?-王晋东不在家的回答-知乎https://www.zhihu.com/question/68275921/answer/2034667107Inductivelearning，翻译成中文可以叫做“归纳式学习”，顾名思义，就是从已有数据中归纳出模式来，应用于新的数据和任务。我们常用的机器学习模式，就是这样
sanananana·2022-11-19 22:39

inductive learning 与 transductive learning在图神经网络上的区别

监督学习与非监督学习监督学习简单解释：监督学习就是要在一组有标签信息的数据中训练一个模型，然后将该模型应用于一组测试数据上分析模型的泛化误差。监督学习会把数据分成训练集和测试集，监督学习方法的重要假设是数据的分布是独立同分布的。监督学习要在训练数据中归纳出一个一般规则然后应用于测试数据中。训练数据是有标签的，测试数据是没有标签的。百度百科解释非监督学习，简单解释：非监督学习是在数据中无标记信息或者
siyan985·2022-11-19 22:08

图神经网络从入门到入门

近年来，深度学习领域关于图神经网络（GraphNeuralNetworks，GNN）的研究热情日益高涨，图神经网络已经成为
zenRRan·2022-11-19 21:31

详细 | 图神经网络从入门到入门

近年来，深度学习领域关于图神经网络（GraphNeuralNetworks，GNN）的研究热情日益高涨，图神经网络已经成为各大深度学习顶会的研究热点。GNN处理非结构化数据时的出色能力使其在网络数
机器学习算法那些事·2022-11-19 21:24

从机器学习到图神经网络，inductive和transductive的区别

文章目录机器学习归纳式学习（inductivelearning）转导式学习（transductivelearning）图表示学习归纳式学习（inductivelearning）节点表示图表示转导式学习（transductivelearning）节点表示参考资料机器学习归纳式学习（inductivelearning）测试集的数据完全不会被见过训练输入：半监督学习：输入训练集特征，未标记的特征和训练集
codingClaire·2022-11-19 21:21

斯坦福图机器学习CS224W笔记自用：How Expressive are Graph Neural Networks？

图神经网络核心思想：节点使用神经网络聚合来自其本地网络邻域的信息生成节点嵌入。
小粥铺·2022-11-19 20:15

自监督方法与图神经网络相结合：：When Does Self-Supervision Help Graph Convolutional Networks?

自监督方法与图神经网络相结合：WhenDoesSelf-SupervisionHelpGraphConvolutionalNetworks?
Liao-Zhuolin·2022-11-19 20:43

Reinforcement Learning Enhanced Heterogeneous Graph Neural Network阅读笔记

强化学习增强异质图神经网络代码源：https://github.com/zhiqiangzhongddu/RL-HGNN摘要异构信息网络(HINs)涉及多种节点类型和关系类型，在许多实际应用中非常普遍。
DifferenceEngine·2022-11-19 20:39

HOW POWERFUL ARE GRAPH NEURAL NETWORKS? 笔记

摘要：图神经网络（GNN）是用于图的表示学习的有效框架。GNN遵循邻域聚合方案，其中节点的表示向量是通过递归聚合和变换其相邻节点的表示向量来计算的。
Cyanide11·2022-11-19 19:36

图神经网络（CS224w）学习笔记1 Introduction：Machine Learning for Graphs

（起源）1.现代深度学习工具的不足二、图神经网络定义1.有监督机器学习全流程图2.图表示机器学习三、图机器学习的应用四、图表示的选择1.图的组成部分2.一些图表示的方式1.有向图VS无向图图的度数2.异构图
白衣少年不留白·2022-11-19 19:05

cs224w 图神经网络学习笔记 3-1

cs224w3-1Nodeembedding引入我们输入一张图，对图按不同的层级做特征工程，之后进行算法训练，完成预测；我们大部分的时间都花在了特征工程上面，我们都在想一种能够更简单更简洁表达图的特征的方法？我们能使特征工程这一步自动化吗？我们将自动学习图上面的特征的一些方法成为FeatureRepresentationLearning或嵌入Embedding；我们的任务是，将节点映射到embed
XWF小弟·2022-11-19 19:58

cs224W 图神经网络学习笔记 1-2

cs224w1-2ApplicationofGraphMLDifferentTypeofTask传统的图机器学习任务有四种:①节点级别②边级别③子图级别④图级别（如图级别预测或生成图）各个级别对应的任务：1.NodeLevel–Classification：节点分类（用户分类、项目分类）例子：蛋白质氨基酸序列，3D折叠形状复杂；给定氨基酸序列，能否预测蛋白质的3D折叠形状？AIphaFold提升了
XWF小弟·2022-11-19 19:28

cs224W 图神经网络学习笔记 1-3

cs224w1-3ChoiceofGraphRepresentation1.图的组成与建立N节点；E边；G图；图是解决问题时的一种通用语言，但为问题选择一种表示方法是一个困难的问题如何构建图去解决问题是我们的重点2.有向图、无向图和二部图Degree：节点连接的边的数量，中文称之为度Avg.Degree：所有节点的度的平均（2E的原因是每条边都被计算了两次）InDegree:出度OutDegree
XWF小弟·2022-11-19 19:28

cs224w 图神经网络学习笔记 2-1

cs224w2-1TraditionalFeature-basedMethods-Node前言：传统图机器学习方法1.传统图机器学习的三个层级我们可以将传统图机器学习任务分为三个层级：节点、边、图；图数据有两种属性特征：1.节点、边、图的特征属性；2.图数据的结构特性（局部网络结构localnetworkstructure这些额外的特征描述了网络的拓扑结构，能使预测更加准确）2.传统机器学习的两大
XWF小弟·2022-11-19 19:28

cs224w 图神经网络学习笔记 2-2

cs224w2-2TraditionalFeature-basedMethods-Line边层级上节课我们介绍了关于节点相关的基础知识，这节课我们将关注于**“边”**。任务：利用现有的链接来预测新的链接的产生；我们需要评估所有为连接的节点对；并对他们进行排序，排名前K个为我们的预测结果；这里的重点是“节点对”特征的设计，我们可以将点A和点B的特征融合起来来作为“节点对”，但失去了点之间的关系信息
XWF小弟·2022-11-19 19:28

cs224W 图神经网络学习笔记 1-1

cs224w1-1WhyGraph？ManyTypesofDataareGraph作者举了几个例子，计算机网络，生信蛋白质分子等很多数据可以用图来表示，图是用于描述和分析有关联性的实体的一种语言，使用图会更接近现实。TypesofNetworksandGraph自然界的图类别：社交网络：70亿人的集合与他们的联系交流交易网络：电子设备之间通信、交易、电话、金融交易等生物信息网络：生物信息网络：基因
XWF小弟·2022-11-19 19:57

学术速运|Equiformer：用于三维原子图的等变量图注意变换器

https://arxiv.org/abs/2206.11990代码：未开源（文章仍在underreviwer，与作者已确认）简介：三维相关的诱导偏差,如平移不变性和旋转等方差,在三维原子图(如分子)上操作的图神经网络是不可缺少的
DrugPython·2022-11-19 19:27

cs224w 图神经网络 学习笔记（十六）Network Evolution

课程链接：CS224W:MachineLearningwithGraphs课程视频：【课程】斯坦福CS224W:图机器学习(2019秋|英字)目录1.EvolvingNetworks2.MacroscopicEvolutionofNetworks2.1网络中节点数量和边的数量随时间的变化2.2网络直径随时间的变化2.3网络度分布（degreedistribution）随时间的变化2.4Forest
喵木木·2022-11-19 19:38

cs224w 图神经网络 学习笔记（十一）Link Analysis: PageRank

课程链接：CS224W:MachineLearningwithGraphs课程视频：【课程】斯坦福CS224W:图机器学习(2019秋|英字)目录1.WebasaGraph2.HowtoorganizetheWeb?——PageRank2.1LinksasVotes2.2TheFlowModel2.3RandomWalkInterpretation2.4PageRankequation2.5Com
喵木木·2022-11-19 19:08

cs224w 图神经网络 学习笔记（十五）Outbreak Detection in Networks

课程链接：CS224W:MachineLearningwithGraphs课程视频：【课程】斯坦福CS224W:图机器学习(2019秋|英字)目录1.问题的引入——outbreakdetection（断点/爆发检测）2.贪心算法的改进1.问题的引入——outbreakdetection（断点/爆发检测）问题的引入：Givenadynamicprocessspreadingoveranetworkw
喵木木·2022-11-19 19:08

cs224w 图神经网络 学习笔记（三）Motifs and Structural Roles in Networks

课程链接：CS224W:MachineLearningwithGraphs课程视频：【课程】斯坦福CS224W:图机器学习(2019秋|英字)这一课主要是讲子图（subnetworks）的一些参数。目录1.序：子图（Subnetworks）2.Subgraphs,MotifsandGraphlets2.1NetworkMotifs2.2Graphlets:Nodefeaturevectors2.3
喵木木·2022-11-19 19:07

cs224w 图神经网络 学习笔记（十四）Influence Maximization in Networks

课程链接：CS224W:MachineLearningwithGraphs课程视频：【课程】斯坦福CS224W:图机器学习(2019秋|英字)目录1.前言——ViralMarketing病毒式营销2.InfluenceMaximization问题3.爬山算法——基于次模函数的研究方法4.改进：Sketch-basedAlgorithms这节课的内容理论性比较强，理解起来比较难。这里给两篇论文帮助理
喵木木·2022-11-19 19:37

cs224w 图神经网络学习笔记 2-3

cs224w2-3TraditionalFeature-basedMethods-Graph图层级我们要用什么方式来表示图的结构呢？我们下面将介绍图的特征描述的描述符号，以便我们进行特征描述；KernelMethods（核方法）核方法被广泛应用于解决图层级的预测的传统的机器学习；思想：设计内核来代替特征向量；简单介绍一下Kernel：1.两个图的核K(G,G,)K(G,G^,)K(G,G,)，衡量
XWF小弟·2022-11-19 19:35

重磅！阿里巴巴达摩院2021十大科技趋势

此前关于语音AI、图神经网络、芯片等多项趋势预测已经成为
公众号:肉眼品世界·2022-11-19 19:59

深度学习（Deep Learning）

4、掌握图神经网络模型及框架PyTorc
renhongxia1·2022-11-19 19:25

【推荐系统-＞论文阅读】Dynamic Graph Neural Networks for Sequential Recommendation（用于序列推荐的动态图神经网络）

DynamicGraphNeuralNetworksforSequentialRecommendation（用于序列推荐的动态图神经网络）MengqiZhang,ShuWu,Member,IEEE,XueliYu
小明2766·2022-11-19 19:10

图神经网络学习笔记

1图神经网络应用芯片设计、场景分析问题推理、推荐系统、欺诈检测风控相关、道路交通动态流量预测、自动驾驶、无人机等、化学医疗等场景2图神经网络基本组成点(vertex)、边(edge)、全局图(global
程哥哥吖·2022-11-19 17:20

KDD CUP 2021首届图神经网络大赛放榜，百度飞桨PGL获得2金1银

近日，由KDDCUP与OGB（OpenGraphBenchmark）联合举办的首届图神经网络大赛正式放榜，在DeepMind、微软、蚂蚁金服、UCLA等全球500多个顶尖企业、高校和实验室的激烈竞争中，
百度-NLP·2022-11-19 17:41

图神经网络（GNN）的必读文章

mark一下，感谢作者分享！https://ruby.ctolib.com/article/wiki/104898Must-readpapersonGNNGNN:graphneuralnetworkContributedbyJieZhou,GanquCuiandZhengyanZhang.SurveypapersGraphNeuralNetworks:AReviewofMethodsandAppl
法相·2022-11-19 16:38

图神经网络（三）GCN的变体与框架（6）GraphSAGE实战完整代码

图神经网络（三）GCN的变体与框架（6）GraphSAGE实战完整代码完整代码代码说明data.pysampling.pynet.pymain.py运行结果完整代码代码说明1.新建文件夹，将如下代码文件创建
炎武丶航·2022-11-19 13:16

图神经网络（三）GCN的变体与框架（1）GraphSAGE

图神经网络（三）GCN的变体与框架（1）GraphSAGE3.1GraphSAGE3.1.1采样邻居3.1.2聚合邻居3.1.3GraphSAGE算法过程 作为深度学习与图数据结合的代表性方法，GCN的出现带动了将神经网络技术运用于图数据的学习任务中去的一大类方法
炎武丶航·2022-11-19 13:45

图神经网络（三）GCN的变体与框架（5）GraphSAGE实战

图神经网络（三）GCN的变体与框架（5）GraphSAGE实战3.5GraphSAGE实战3.5GraphSAGE实战 本节我们通过代码来介绍GraphSAGE以加深读者对相关知识的理解。
炎武丶航·2022-11-19 13:45

GraphSage -《Inductive Representation Learning on Large Graphs》论文详解

其中就用到了图神经网络模块，该模块的一部分思想源于GraphSage和GATs，因此对GraphSage的算法及代码理解还是比较深的，本文对GraphSage算法部分进行剖析。先说GraphSa
November丶Chopin·2022-11-19 13:08

【无标题】

deepmultiscalegraphneuralnetworkforexplainabledrug–targetbindingaffinityprediction1.background2.模型总览3.模型原理3.1输入3.2图神经网络
Ray_Hr·2022-11-19 13:03

论文解读：基于图神经网络与蛋白质接触图的药靶亲和力预测（二）2021SC@SDUSC

论文解读：基于图神经网络与蛋白质接触图的药靶亲和力预测（二）2021SC@SDUSCDrug–targetaffinitypredictionusinggraphneuralnetworkandcontactmaps
芜湖大司码丶·2022-11-19 12:20

论文解读：基于图神经网络与蛋白质接触图的药靶亲和力预测（一）2021SC@SDUSC

2021SC@SDUSC论文解读：基于图神经网络与蛋白质接触图的药靶亲和力预测（一）Drug–targetaffinitypredictionusinggraphneuralnetworkandcontactmaps
芜湖大司码丶·2022-11-19 12:19

GCN变体-graphSAGE

参考材料：深入浅出图神经网络，graphSAGE详解，B站GCN实战讲解GraphSAGE从两个方面对GCN做了改动。
beuluer·2022-11-19 12:43

图神经网络概述---来自IEEE Fellow的GNN综述

文章目录引言图神经网络简史综述摘要：定义分类与框架3框架4.图卷积网络5图卷积网络之外的模型6应用7未来方向图神经网络（GNN）热度持续上升，.最近，IEEEFellow、SeniorMember和MemberZonghanWu
Mr.Ma-master·2022-11-19 12:35

分享3篇关于图神经网络（GNN）的相关综述

本文分享3篇关于图神经网络（GNN）的相关综述：第1篇是对联邦图神经网络的调研，将目前的工作根据三层分类法进行了划分，即根据数据的原始存在形式、联邦学习的常规设置进行了分类介绍；第2篇文献则是对几何等变图神经网络的调研
AI知识图谱大本营·2022-11-19 12:35

图神经网络（GNN）过去、现在、应用和未来最新研究进展分享

近年来，图神经网络(GNN)在社交网络、知识图、推荐系统甚至生命科学等各个领域得到了越来越广泛的应用。GNN在对图节点之间依赖关系进行建模的强大功能，使得与图分析相关的研究领域取得了突破。
人工智能与算法学习·2022-11-19 12:33

图神经网络GNN预训练技术进展概述

机器学习的成功很大程度上取决于数据。但是，高质量的标记数据通常很昂贵且难以获得，尤其是对于训练参数较多的模型。而我们却可以很容易地获取大量的无标记数据，其数量可能是标记数据的数千倍。为了解决标注数据较少的问题，我们要尽可能利用其无标注数据，一个常规的做法是自监督的预训练（self-supervisedpre-training）。其目标是设计合理的自监督任务，从而使模型能从无标注数据里学得数据的信息
Necther·2022-11-19 12:29

AAAI2021 | 最新图神经网络研究进展解读

点击上方，选择星标，每天给你送干货！整理：北邮GammaLabAAAI的英文全称是AssociationfortheAdvanceofArtificialIntelligence——美国人工智能协会。该协会是人工智能领域的主要学术组织之一，其主办的年会也是人工智能领域的国际顶级会议。在中国计算机学会的国际学术会议排名以及清华大学新发布的计算机科学推荐学术会议和期刊列表中，AAAI均被列为人工智能领
zenRRan·2022-11-19 12:53

【GNN】AAAI2021 | 图神经网络研究进展解读

AAAI的英文全称是AssociationfortheAdvanceofArtificialIntelligence——美国人工智能协会。该协会是人工智能领域的主要学术组织之一，其主办的年会也是人工智能领域的国际顶级会议。在中国计算机学会的国际学术会议排名以及清华大学新发布的计算机科学推荐学术会议和期刊列表中，AAAI均被列为人工智能领域的A类顶级会议。AAAI2021论文接收列表如下：https
风度78·2022-11-19 12:20

GNN图神经网络基础入门博客

文章目录高等数学-高等代数欧几里得空间线性代数图神经网络入门1、GNN的发展2、空间域（GNN）图卷积频谱域（频域）卷积高等数学-高等代数欧几里得空间一句话总结：欧几里得空间就是在对现实空间的规则抽象和推广
鱼与钰遇雨·2022-11-19 12:49

【图神经网络】GNN的目前进展

在深度学习时代，GNN在以下几个方面得到了迅速发展。提出了大量新的GNN模型，包括谱方法和空间方法。侧重于图的任务，例如图分类，需要得到整个图的表示。因此，许多池化方法被提出来，以从节点表示中获得图表示。传统的DNN容易收到对抗性攻击，GNN也继承了这一缺点。研究者已经开发了多种图对抗攻击方法和各种图对抗防御技术。可扩展性是GNN面临的紧迫问题。目前已存在很多将GNN应用到大型图的策略。新的GNN
咕 嘟·2022-11-19 12:45
上一页 23 24 25 26 27 28 29 30 下一页
按字母分类： ABCDEFGHIJKLMNOPQRSTUVWXYZ其他