文献阅读GNN 第21页

步入2021，大热的GNN会在哪些应用领域大展拳脚呢？

作者｜SergeiIvanov来源｜机器之心由于GNN在图节点之间强大的建模功能，使得与图分析相关的研究领域取得了突破。本文我们将介绍关于GNN热门应用研究。

PaperWeekly·2023-01-13 11:34

使用GNN求解组合优化问题

文章目录1论文内容1.1先验知识1.2论文方法1.2.1大致原理1.2.2源码关键实现1.3实际问题上的应用1.3.1风险分散1.3.2IntervalScheduling（不大懂译，区间调度？）1.3.3配水管网的传感器布置2论文求解器源码的使用2.1安装依赖库2.1.1法1:使用requirements.txt2.1.2法2:单独安装缺少的依赖库2.2运行示例代码3尝试一个区间调度问题3.1区

m0_51810505·2023-01-13 11:33

国科大《高级人工智能》沈老师部分——行为主义笔记

他能够把很难的东西讲的很简单，听完就是醍醐灌顶，理解起来特别清晰今年考试题目这部分跟往年基本一样，沈老师画的重点才是真的重点文章目录一、蚁群优化算法二、粒子群算法三、多臂赌博机四、马尔科夫决策过程五、策略学习六、博弈七、GNN

enchantedovo·2023-01-12 14:45

文献阅读记录：Graph Convolutional Networks for Hyperspectral Image Classification

Flying Stone·2023-01-12 12:40

图神经网络入门(理论篇)

图神经网络(GNN)图神经网络是一种专门用于处理图结构或网络结构数据的神经网络模型，它的核心思想是基于每个节点的邻接节点的表征信

胡小白的数据科学之路·2023-01-12 11:24

GNN、GCN、GAT关系

图神经网络GraphNeuralNetwork(GNN)参考文献：图神经网络GraphNeuralNetwork(GNN)最早期的图神经网络GraphNeuralNetwork，简称GNN。

有梦想的鱼·2023-01-12 11:17

【图神经网络】图神经网络(GNN)学习笔记：GAT

图神经网络GNN学习笔记：图注意力网络GAT图注意力网络简介注意力机制是什么？

镰刀韭菜·2023-01-12 11:08

深度之眼Paper带读笔记GNN.05.TransE/H/R/D

文章目录前言论文结构导读研究背景Trans系列算法概述数据集简介研究成果研究意义摘要论文结构论文精读知识树算法模型总览算法系列图谱Notation细节一：TransE模型精讲负采样的trickTransE模型的不足细节二：TransH模型精讲细节三：TransR模型精讲CTransR细节四：TransD模型精讲细节五：模型对比与总结实验设置和结果分析数据集Meanrankmetric参数规模超参数

oldmao_2000·2023-01-12 10:10

文献阅读（4）：手写数字识别

目录一、简介1.题目：2.时间：3.来源：4.简介：5.论文主要贡献：二、相关名词三、相关背景知识1.阵列处理器2.Xilinx四、处理流程概述1.基于可重构阵列处理器的近数据计算结构：2.实现手写数字识别所用的CNN结构：3.实验效果分析与结论一、简介1.题目：基于近存储计算的手写数字识别实时检测阵列结构设计2.时间：2022.123.来源：JournalofOptoelectronics·La

要努力学习鸭·2023-01-12 08:57

文献阅读（2）：KNMC

目录一、简介1.题目：2.时间：3.来源：4.简介：5.论文主要贡献：二、相关名词三、相关背景知识1.近内存计算2.K-NN算法3.K-means算法四、处理流程概述1.KNMC硬件架构2.KNMC总调度流程3.设计空间探索一、简介1.题目：KNMC:基于近内存计算的k-NN和k-means加速器设计2.时间：2022.053.来源：JournalofChineseComputerSystems（

要努力学习鸭·2023-01-12 08:26

文献阅读（3）：Near-Memory Computing

目录一、简介1.题目：2.时间：3.来源：4.简介：5.论文主要贡献：二、相关名词三、相关背景知识1.不同计算机系统分类（早期、单核、多核、近内存计算、存算一体）2.设计空间探索（DSE）四、论文结构梳理1.对于一些主要NMC技术架构以及方案进行评估与分类2.近内存计算面临的挑战3.NMC设计空间探索4.总结以及未来研究方向一、简介1.题目：AReviewofNear-MemoryComputin

要努力学习鸭·2023-01-12 08:26

注意力机制

文章目录前言文献阅读摘要介绍结论二、注意力机制总结前言Thisweek,thepaperwhichdescribeseveraldeeplearningmodelsfrequentlyusedinsolvingtimeseriespredictionproblemshasbeenread.Theresultsshowthatlong-termmemoryandconvolutionalneural

hehehe2022·2023-01-12 06:39

文献阅读：Characterizing Label Errors: Confident Learning for Noisy-Labeled Image Segmentation

表征标签错误：对噪声标签图像分割的自信学习——MinqingZhang.MICCAI2020卷积神经网络(CNNs)以其强大的拟合能力在图像处理中取得了显著的性能。然而，如果训练数据被噪声标签所破坏，那么结果的性能可能会恶化。在医学图像分析领域，这种困境变得极其严重。这是因为医学图像标注总是需要医学专业知识和临床经验，这必然会引入主观性。在本文中，我们设计了一种基于师生架构的新型算法，用于噪声标签

qq_45697032·2023-01-11 17:52

文献阅读：医学图像配准的深度学习方法综述

本文介绍了医学图像配准在疾病诊断、手术引导和疾病治疗跟踪等方面具有重要应用价值。将深入介绍基于深度学习的医学图像配准现状和现存的配准方法技术，包括监督变换估计、无监督变换估计和使用生成对抗网络的配准方法。首先图像配准是图像处理的一个重要领域，配准指的是将两个或多个图像进行几何对齐，使源图像(移动图像)上的每一个点在目标图像(固定图像)上都有唯一的点与其对应，旨在寻找不同图像之间的空间变换关系，去除

qq_45697032·2023-01-11 17:22

文献阅读：Selective-Supervised Contrastive Learning with Noisy Labels

带有噪声标签的选择性监督对比学习——ShikunLi.CPVR2022摘要深度网络有很强的能力将数据嵌入到隐藏表征中并完成后续任务。然而，这些能力主要来自于高质量的标注标签，但收集成本很高。噪声标签更实惠，但会导致表征被破坏，从而导致泛化性能差。本文提出的选择性监督的对比学习（Sel-CL）扩展了监督对比学习（Sup-CL）。由于Sup-CL是以成对的方式进行工作，由噪声标签建立的噪声对会误导表征

qq_45697032·2023-01-11 17:22

文献阅读：图像分割技术研究综述

图像分割是图像识别的前提，其效率直接影响图像识别的质量。目前主要有四种基本的图像分割方法，分别为基于阈值的图像分割法、基于区域的图像分割法、基于边缘的图像分割法、超像素图像分割法。后面将对这四种方法进行介绍。首先研究背景，图像识别来源于模板匹配，从人类自身的视觉识别中演变而来。人类自身视觉识别的思路为，将眼前的物体和脑海中的印象进行对比，完成对眼前物体的定义。图像识别也是如此，对原图像提取特征，和

qq_45697032·2023-01-11 17:52

文献阅读：卷积神经网络在图像识别中的应用研究综述

图像识别是区分不同类别的图像，卷积神经网络(CNN)是完成图像识别任务的最佳算法之一，设计卷积神经网络的目的就是模仿人类的学习模式，通过对输入样本的训练与测试，由简到深地提取特征来区分样本。本文重点综述了卷积神经网络相关算法在人脸识别、人体动作识别、医疗图像处理和农业病虫害识别方面的应用及其优缺点。后面会对其进行介绍。卷积神经网络概述：卷积神经网络是一种前馈多层网络，信息的流动只有一个方向，即从输

qq_45697032·2023-01-11 17:19

文献阅读（19）KDD2019-Predicting Dynamic Embedding Trajectory in Temporal Interaction Networks

本文是对《PredictingDynamicEmbeddingTrajectoryinTemporalInteractionNetworks》一文的浅显翻译与理解，原文章已上传至个人资源，如有侵权即刻删除。朋友们，我们在github创建了一个图学习笔记库，总结了相关文章的论文、代码和我个人的中文笔记，能够帮助大家更加便捷地找到对应论文，欢迎star~Chinese-Reading-Notes-of

学徒刘猛·2023-01-11 10:56

GNN-CS224W: 1-2 Introduction； Traditional Methods for machine learning in Graphs

network相比其他的数据有很多特点让它难以处理：arbitrarysizeandcomplextopologicalstructureApplicationsofGraphMLtasklevelNode-levelPredictapropertyofanodeExample:Categorizeonlineusers/itemsAlphaFoldtask:Computationallypred

当客·2023-01-11 00:29

基于session推荐的论文阅读

今天我们要看一下如下三篇论文:SR-GNN:Session-BasedRecommendationwithGraphNeuralNetworksTA-GNN:TargetAttentiveGraphNeuralNetworksforSession-basedRecommendationGC-SAN

luxiaonlp·2023-01-10 21:18

#Reading Paper# 【序列推荐】Session-based Recommendation with Graph Neural Networks

堇禤·2023-01-10 21:44

文献阅读课13-DSGAN: Generative Adversarial Training for （远程监督关系抽取，句子级去噪）

文章目录Abstract1.Introduction2.相关工作3AdversarialLearningforDistantSupervision3.1Pre-TrainingStrategy3.2GenerativeAdversarialTrainingforDistantSupervisionRelationExtraction3.3CleaningNoisyDatasetwithGenera

叶落叶子·2023-01-10 16:29

文献阅读常用工具

1常用网站1.1文献搜索网站常规文献搜索网站：谷歌学术、必应学术、百度学术特殊文献搜索网站researchgate：可以查看某个领域的最新文章，查看某个作者所发表的所有文章SemanticScholar：基于深度学习的文献搜索网站，能够查看引用论文的所有论文，以及和该论文相关的其他论文。可以查看该作者所有论文，以及经常合作论文的人。PubMed：可以看作semanticscholar的简版arXi

xinxiangwangzhi_·2023-01-10 10:25

当GNN遇见NLP(五) Sentence-State LSTM for Text Representation，ACL2018 +核心代码详解（pytorch）

本文作者来自SingaporeUniversityofTechnologyandDesign以及DepartmentofComputerScience,UniversityofRochester。虽然本文中没有提到图神经网络的概念，但是从其实际操作上还是被归类为图的空间方法的一种。本文为了克服了BiLSTM局限于顺序文本的缺点，提出了新的模型S-LSTM，利用Recurrentsteps在单词之间

五月的echo·2023-01-10 08:56

PyTorch搭建GNN-LSTM和LSTM-GNN模型实现多变量输入多变量输出时间序列预测

目录I.前言II.GNN-LSTMIII.LSTM-GNNIV.模型训练/测试V.代码I.前言前面已经写过不少时间序列预测的文章：深入理解PyTorch中LSTM的输入和输出（从input输入到Linear

Cyril_KI·2023-01-10 08:22

文献阅读1：Deep Learning for Image Super-resolution: A Survey

DeepLearningforImageSuper-resolution:ASurvey1.介绍2.问题设置和术语3.有监督的超分放大3.1框架3.2上采样3.3网络设计3.4学习策略3.6先进的SR模型4.无监督的超分放大4.1零镜头4.2弱监督4.3深度图像先验5.特定领域的应用5.1深度图像5.2人脸图像5.3高光谱5.4真实世界5.5视频5.5.1一些方法5.6其他应用原文链接1.介绍2.

makxxl·2023-01-10 06:44

GNN-图卷积模型-2016：GCN【消息传递（前向传播）：聚合函数+更新函数】【聚合函数：mean（邻域所有节点取平均值）】【训练更新函数的参数】【空域+频域】【直推式学习】【同质图】

一、概述在扎进GCN的汪洋大海前，我们先搞清楚GCN是做什么的，有什么用。深度学习一直都是被几大经典模型给统治着，如CNN、RNN等等，它们无论再CV还是NLP领域都取得了优异的效果，而GCN主要是针对图结构的。社交网络、信息网络中有很多类似的结构。实际上，这样的网络结构（NonEuclideanStructure）就是图论中抽象意义上的拓扑图。1、摘要核心1.本文提出了一种基于图的结构数据的半监

u013250861·2023-01-09 21:07

PyG教程(3)：邻居采样

在GNN领域，大图是非常常见的，但由于GPU显存的限制，大图是无法放到GPU上进行训练的。为此，可以采用邻居采样，这样一来可以将GNN扩展到大图上。

斯曦巍峨·2023-01-09 21:36

GraphSage:Inductive Representation Learning on Large Graphs

目录简介前期知识储备论文结构学习目标论文研究背景、成果及意义研究背景模型框架研究意义论文泛读摘要论文小标题论文精读论文算法模型总览GNN结构GraphSAGE结构论文算法模型的细节细节一：模型框架细节二

尧景·2023-01-09 21:33

【GNN笔记】GraphSAGE(四)

视频链接：【图神经网络】GNN从入门到精通GNN中三种基础神经网络：GCN,GraphSAGE,GAT文章目录一、方法介绍二、GraphSAGE伪代码==聚合====采样====流程====补充要点==

panbaoran913·2023-01-09 21:32

手写VIO --学习笔记 - Part1

目录一、VIO文献阅读二、四元数和李代数更新三、其他导数参考一、VIO文献阅读阅读VIO相关综述文献，回答以下问题：1、视觉与IMU进行融合之后有何优势？

昼行plus·2023-01-09 19:15

GNN学习笔记（三）：PyG构建Message Passing Network实例（Cora）

参照官方文档学习：1数据集加载Cora是一个机器学习论文数据集。其中共有7个类别（num_classes：基于案例、遗传算法、神经网络、概率方法、强化学习、规则学习、理论。整个数据集中共有2708篇论文，在词干堵塞和去除词尾后，只剩下1433个独特的单词（num_node_features）,文档频率小于10的所有单词都被删除。fromtorch_geometric.datasetsimportP

花锄·2023-01-09 18:36

图神经网络（10）- relational GCN

目录HeterogeneousGraphs（异质图）——有多种类型的边relationalGCN一种关系的有向图有多种关系的有向图总结摘要：从普通的GNN拓展到可以处理异质图的GNN‘HeterogeneousGraphs

山、、、·2023-01-09 18:06

图神经网络（8）- 如何应用GNN

目录AugmentGraphs图的特征增强condition1：输入的图没有节点特征（可能只有邻接矩阵solution：condition2：特殊图结构,GNN很难学solution图的结构增强condition1

山、、、·2023-01-09 17:35

图神经网络（8）——续 GNN编程实践建议附论文名单

目录使用pyG实现GNN，好用的包：编程实践的通用建议：DebugNN使用pyG实现GNN，好用的包：DeepSNAP：提供了GNN流程中的核心模块GraphGym：设计GNN编程实践的通用建议：1.数据的预处理非常非常重要

山、、、·2023-01-09 17:35

toch_geometric 笔记：message passing & GCNConv

介绍将卷积算子推广到不规则域通常表示为一个邻域聚合（neighborhoodaggregation）或消息传递（messagepassing）方案给定第(k-1)层点的特征，以及可能有的点与点之间边的特征，依靠信息传递的GNN

UQI-LIUWJ·2023-01-09 17:05

PyG教程(6)：自定义消息传递网络

一.前言在上篇文章中主要介绍了GNN的消息传递机制，在PyG中提供了一个消息传递基类torch_geometric.nn.MessagePassing，它实现了消息传递的自动处理，继承该类就可以简单方便的构建自己的消息传播

斯曦巍峨·2023-01-09 17:05

2023.1.8 学习周报

文章目录摘要文献阅读1.题目2.摘要3.介绍4.论文主要贡献5.相关工作5.1序列感知的推荐系统5.2神经注意模型6.模型：ATTREC6.1序列推荐6.2基于Self-Attention的用户短期兴趣建模

MoxiMoses·2023-01-09 09:29

基于子图GNN的高精度可扩展图学习

对于子图GNN来说，每一个节点可以根据不同的子图，得到不同的feature，不同的feature具有不同的子图结构信息。

鱼与钰遇雨·2023-01-09 09:28

neo4j 查询同一节点的两个上级_如何用Neo4j和ScikitLearn做机器学习任务？| 附超详细分步教程...

近两年，业内的学者与科学家都在积极探索可以弥补深度学习不可解释性，无法进行因果推断的这个缺陷，而图神经网络(GNN)成为备受关注和期待的“宠儿”。

weixin_39785524·2023-01-09 07:57

DRL经典文献阅读（一）：策略梯度理论（Policy Gradient, PG）

原文题目：PolicyGradientMethodsforReinforcementLearningwithFunctionApproximation作者：RichardS.Sutton,DavidMcAllester,SatinderSingh,YishayMansour发表时间：2000年主要内容：强化学习中使用函数近似的策略梯度方法。得出了策略梯度的表达式，进一步推导了使用函数近似情况下的计

二向箔不会思考·2023-01-09 07:33

GCN-LSTM 预测出租车速度英文 Taxi Speed Prediction Using GCN-LSTM

GCN-LSTM模型预测出租车速度GCN：又称GNN，图神经网络LSTM：长短时记忆网络可做学习参考SummaryOneofthemostvaluablefindingsinengineeringisthedeterminationoftaxispeed.SincetheGCN-LSTMprogramsoftwarecanreadilydetectandcalculatethetaxispeede

刘元职业车队·2023-01-09 06:46

GNN和GGNN学习笔记

GNN对于图上每个节点被编码为嵌入向量，因此，节点可能是一个图，可以通过cnn进行计算，可能是一个词、一个嵌入，它可以是自己希望的任何东西，这是图神经网络的输入。

_4444yl·2023-01-08 19:38

GNN笔记系列 3

GNN笔记系列21.Graph1.1DirectedGraphs1.2SymmetricGraphs1.3UnweightedGraphs2.GraphShiftOperators(GSO)2.1DegreeMatrix2.2LaplacianMatrix2.3GraphShiftOperatorSSS3

弓早早o_O·2023-01-08 19:07

GNN笔记系列 4

GNN笔记系列41.Review2.LearningwithaGraphConvolutionalFilter3.GraphNeuralNetworks(GNNs)3.1PointwiseNonlinearities3.2ObservationsaboutGNNs4