文献阅读GNN 第21页

【文献阅读笔记】之基于Deeplabv3+的图像语义分割优化方法

中文，包装工程，第43卷第1期，2022年1月DOI：10.19554/j.cnki.1001-3563.2022.01.024摘要目的为了实现良好的图像语义分割精度，同时尽可能降低网络的参数量，加快网络训练速度，提出基于DeepLabv3+的图像语义分割优化方法。方法编码器主干网络增加注意力机制模块，并采用更密集的特征池化模块有效聚合多尺度特征，同时使用深度可分离卷积降低网络计算复杂度。结果基于

cv研究僧·2023-01-16 11:27

经典文献阅读之--Multi-modal Semantic SLAM(多模态语义SLAM)

0.简介在复杂动态环境下，如何去建立一个稳定的SLAM地图是至关重要的。但是现在当前的SLAM系统主要是面向静态场景。目前相较于点云的分类与分割而言。视觉的识别与分割会更加容易。这就可以根据语义信息提高对环境的理解。文章《Multi-modalSemanticSLAMforComplexDynamicEnvironments》提出了一个鲁棒的多模态语义框架去解决slam在复杂和动态环境下的问题。同

敢敢のwings·2023-01-15 14:46

论文阅读：Vision GNN: An Image is Worth Graph of Nodes

计算机视觉与图卷积神经网络的结合作者单位：华为诺亚方舟实验室、北京大学、澳门大学作者：韩凯、王云贺等论文地址：点击这里下载代码地址：点击这里访问摘要基于深度学习的计算机视觉系统的网络架构是重中之重。卷积神经网络和transformer在处理图像的过程中是把图像类数据集作为格子和序列的结构（欧式数据）来进行处理。这样对于不规则的目标进行学习的时候显得不够灵活。本文将图像变成节点的形式，而非序列数据和

sigmoidAndRELU·2023-01-15 12:33

文献阅读总结：多视图聚类

学徒刘猛·2023-01-15 08:05

文献阅读-基于深度学习的医疗图像分割综述

doi:10.3969/j.issn.1003-3114.2021.02.001引用格式:孔令军,王茜雯,包云超,等.基于深度学习的医疗图像分割综述[J].无线电通信技术,2021,47(2):121-130.本文选自摘要：自２００６年深度学习这一概念提出以来，各研究领域对于深度学习技术的研究热度一直高居不下。深度学习的出现，对计算机视觉领域的发展起到了重要推动作用。计算机视觉的主要研究任务是对图

Ricardo_PING_·2023-01-15 00:30

第六周.03.GIN代码实操

文章目录GINConvGIN模型parse问题记录本文内容整理自深度之眼《GNN核心能力培养计划》公式输入请参考：在线Latex公式接上次GIN论文带读，这次对GIN进行实现，代码参考：https://

oldmao_2000·2023-01-14 15:45

【文献阅读】综述：集成式工艺规划与车间调度（IPPS）问题研究现状及发展

作者：文笑雨高亮期刊：重庆大学学报核心时间：2021.02（注：文中的数字代表引用的文献序号）1.IPPS的3种主要建模方法（依据信息交互方式不同）非线性方法交互简单，应用广泛。建立混合整数规划模型，提供尽可能多的路线。特定生产环境下工艺规划与车间调度进行集成的特殊性。大批量定制化生产考虑不同制造企业对pp与s重视程度不同来研究。[9-13]2.单目标/多目标求解方法的研究概况IPPS求解方法主要

兔兔子·2023-01-14 15:43

dgl-03 graphsage

graph，学习聚合方式学习公式如下，比较简单明了，如果边有权重，每个h聚合时可以乘以权重代码实现官方代码dgl代码写得非常好了，基本很容易理解，主要在数据采样和模型输入输出做个记录数据格式#1.一般训练gnn

Evangelion-02·2023-01-14 09:59

手把手安装GNN必备库 —— pytorch_geometric

GCN：图卷积神经网络，GNN在训练过程中，有将attention引入图结构的，有将门控机制引入图结构的，还有将卷积引入图结构的，引入卷积的GNN就是GCN，通过提取空间特征来进行学习。

clarkjs·2023-01-14 08:30

从隔壁老王开始的信号处理入门

诸神缄默不语-个人CSDN博文目录我是从GNN被扔到NLP然后又做起了GNN现在又被喊去搞时间序列分类，所以现在才开始看信号处理（因为我开始做GNN以来，GNN就以图域而非谱域为主了，所以那时我没怎么看过信号处理

诸神缄默不语·2023-01-14 08:27

GNN实战——KarateClub数据集

GNN：graphneuralnetwork图神经网络，是⼀种连接模型，通过⽹络中节点之间的信息传递(messagepassing)的⽅式来获取图中的依存关系(dependenceofgraph)，GNN

clarkjs·2023-01-14 08:55

cs224w（图机器学习）2021冬季课程学习笔记13 Colab 3

诸神缄默不语-个人CSDN博文目录cs224w（图机器学习）2021冬季课程学习笔记集合文章目录1.实现GraphSAGE和GAT1.1可泛化的GNN堆叠模型1.2单层GNN在PyG中的实现1.2.1`

诸神缄默不语·2023-01-14 07:36

GNN学习7：按需获取的数据集类的创建

超大规模数据集类的创建在一些应用场景中，数据集规模超级大，我们很难有足够大的内存完全存下所有数据。需要一个按需加载样本到内存的数据集类。Dataset基类简介在PyG中，我们通过继承torch_geometric.data.Dataset基类来自定义一个按需加载样本到内存的数据集类。继承torch_geometric.data.InMemoryDataset基类要实现的方法，继承此基类同样要实现，

lukem44·2023-01-14 06:20

PyG搭建GNN实现链接回归预测

前言前面写了一些有关GNN的各种图任务，主要是节点分类以及链接预测：PyG搭建GCN前的准备：了解PyG中的数据格式PyG搭建GCN实现节点分类（GCNConv参数详解）PyG搭建GAT实现节点分类PyG

Cyril_KI·2023-01-14 06:18

图机器学习-图机器学习传统方法

图机器学习-图机器学习传统方法最近在学习一些GNN相关的知识，想写一些笔记记录一下自己的学习过程，主要的学习资料为CS224W课程主页上面的资料和b站同济子豪兄的中文讲解。

Serendipity-Wu·2023-01-13 23:44

【GNN】图神经网络发Nature子刊，却被爆比普通算法慢104倍，质疑者：灌水新高度？

GNN是近年来非常火的一个领域。最近，一篇Nature子刊论文提出了一种用GNN解决组合优化问题的方法，并声称该GNN优化器的性能与现有的求解器相当，甚至超过了现有的求解器。

一个路过的AI罢了·2023-01-13 11:05

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

推荐频道

文献阅读GNN