GNN图神经网络第33页

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

ICLR2021放榜~6篇SOTA GNN论文推荐

weixin_45519842·2022-11-23 15:52

GNN2021(十六) HOW TO FIND YOUR FRIENDLY NEIGHBORHOOD: GRAPH ATTENTION DESIGN WITH SELF-SUPERVISION

来自ICLR2021。写之前说点题外话，最近做实验、写论文、赶项目，论文博客也荒废已久，一些灵光一现的想法没来得及落实便已经倏忽远逝，不得不让人感慨时间管理的重要性。本篇依旧是忙里偷闲写下的（写到这还是得去改一个项目相关的文件了）。有时候觉得做项目真是带不来任何喜悦，远不如读一篇论文看一段代码来得实在（当然给钱的项目另说，哈哈哈）。但是可能在不那么好的学校读博就是会面临这样的问题，需要自己给出一个

五月的echo·2022-11-23 15:48

AMiner学术搜索和科技情报挖掘·2022-11-23 15:15

【图神经网络论文整理】（三）—— HOW TO FIND YOUR FRIENDLY NEIGHBORHOOD：SuperGAT

ICLR2021DongkwanKim&AliceOh论文地址本文介绍的论文是《HOWTOFINDYOURFRIENDLYNEIGHBORHOOD:GRAPHATTENTIONDESIGNWITHSELF-SUPERVISION》。该篇论文提出了一个新的网络模型SuperGAT，目的是解决当图中存在噪声能够学习到更多的表达注意力，并且在17个真实数据集中进行实验，显示出该模型更好的性能。一、背景目

咕嘟·2022-11-23 15:14

日常学习中遇到的好的资源(Graph Clustering and GNN)（持续更新）

One2MultiGraphAutoencoderforMulti-viewGraphClustering3.GMC:Graph-basedMulti-viewClustering论文笔记4.KMeans与深度学习自编码AutoEncoder结合提高聚类效果5.Github项目推荐-图神经网络

爱啊岛呀~·2022-11-23 14:46

深度强化学习满足图神经网络:探索路由优化用例

摘要近年来，深度强化学习(DRL)在决策问题上取得了巨大的进步。因此，在自动驾驶软件定义网络中，DRL似乎有望解决许多相关的网络优化问题(如路由)。然而，大多数最先进的基于drl的网络技术不能一般化，这意味着它们在训练中看到的网络拓扑中表现良好，但在新的拓扑上表现不佳。这一重要限制背后的原因是，现有的DRL网络解决方案使用标准的神经网络(例如，完全连接、卷积)，不适合学习图结构的信息。在本文中，我

小蜗子·2022-11-23 12:55

2022.11.20 第八次周报

RegularizingRNNswithLSTMcellsLSTM细胞的正则化RNNSLong-shorttermmemoryunitsRegularizationwithDropout论文小结二、浅学GNN

杨幂臭脚丫子·2022-11-23 11:15

利用图神经网络（GNN）的视频/图像分割模型总结（AGNN、Episodic Graph Memory Networks、Cas-GNN）

注：Zero-shotVOS即为零样本视频对象分割，指在验证阶段不会向网络输入除待测视频本身以外的其他注释样本，下文记为Z-VOS；One-shotVOS即为单样本视频对象分割，也可称为自监督或半监督视频对象分割（semi-supervisedVOS），指在验证阶段向网络输入辅助分割的注释样本（通常是待测视频第一帧的真实分割结果掩模），下文记为O-VOS；SemanticObjectSegment

ling零零零·2022-11-23 09:34

Few-Shot Learning with Graph Neural Networks（图神经网络小样本学习）

Few-ShotLearningwithGraphNeuralNetworks来源：ICLR2018链接：原文下载：https://arxiv.org/pdf/1711.04043.pdf源码地址：https://github.com/vgsatorras/few-shot-gnn

Y.zzz·2022-11-23 09:28

图神经网络中的注意力机制

图神经网络中的注意力机制本文讨论了GNN中常用的注意力机制，相关论文有：GraphAttentionNetworksHowAttentiveareGraphAttentionNetworksMaskedLabelPrediction

泊柴·2022-11-23 09:57

【图神经网络论文整理】（二）—— HOW ATTENTIVE ARE GRAPH ATTENTION NETWORKS?：GATv2

ICLR2022ShakedBrody（Technion），EranYahav（Technion）UriAlon（LanguageTechnologiesInstituteCarnegieMellonUniversity）论文地址本文介绍的论文《HOWATTENTIVEAREGRAPHATTENTIONNETWORKS?》。作者改进了GAT网络在图数据上的注意力的局限性，提出了GATv2模型将原始

咕嘟·2022-11-23 09:49

4 图神经网络—— 基本概念与手写code

文章目录1基本概念1.1图神经网络中的基本元素1.2图神经网络学习的流程1.2.1图神经网络与随机游走的区别1.2.2图神经网络的输入1.2.3图神经网络的更新1.2.3.1直观印象1.2.3.2理解1.2.3.1

EntropyPlus·2022-11-23 08:04

SR-GNN

Session-basedRecommendationwithGraphNeuralNetworks一、论文1、理论SR-GNN是一种基于会话序列建模的推荐系统。

Altira·2022-11-23 08:32

【论文阅读】图神经网络（针对图数据的深度学习方法）综述 day1、2、3

提示：文章写完后，目录可以自动生成，如何生成可参考右边的帮助文档题目:《AComprehensiveSurveyonGraphNeuralNetworks》2019年前言一、图神经网络的由来？

shjvdfygeknpdchaoyi·2022-11-23 06:20

1.6版本详解手册 | 一文看懂昇思MindSpore Graph Learning

图神经网络（GNN）在工业界和学术界都引发了极大兴趣。应用场景覆盖了药物识别与发现，推荐系统，交通流量预测，芯片设计等等领域。

昇思MindSpore·2022-11-23 05:31

MindSpore Graph Learning

MindSporeGraphLearning还创新提出了以点为中心编程范式，提供更原生的图神经网络表达方式，并内置覆盖了大部分应用场景的模型，使开

DechinPhy·2022-11-23 05:30

视觉学习笔记3——复现GSDT，且代码解读

GSDT使用图神经网络进行联合目标检测和多目标跟踪论文下载原作展示MOT排名开源地址介绍对象检测和数据关联是多对象跟踪(MOT)系统中的关键组件。尽管这两个组件相互依赖，但先前

RanceGru·2022-11-23 05:48

《用于预测蛋白质-配体结合亲和力的结构感知交互图神经网络》

Structure-awareInteractiveGraphNeuralNetworksforthePredictionofProtein-LigandBindingAffinity》原文链接2.简介药物发现通常依赖于蛋白质——配体结合亲和力的成功预测图神经网络

coast_s·2022-11-23 04:26

#Reading Paper# Learning Graph Meta Embeddings for Cold-Start Ads in Click-Through Rate Prediction

#论文题目：LearningGraphMetaEmbeddingsforCold-StartAdsinClick-ThroughRatePrediction（基于图神经网络和元学习的冷启动推荐算法）#论文地址

堇禤·2022-11-23 03:28

RGCF：Learning to Denoise Unreliable Interactions forGraph Collaborative Filtering论文解读

这篇和之前的一篇工作简称是一样的，但是内容完全不同，本文是RobustGraphCollaborativeFiltering(RGCF)，注意甄别一、前言最近，图神经网络（GNN）作为一种有效的协作过滤

只想做个咸鱼·2022-11-23 03:27

图机器学习——4.3 节点分类：Correct & Smooth （C&S）

Correct&Smooth（C&S）1）方法介绍如今，图神经网络（GNN）是图学习方面的主要技术，在很多图结构相关的预测任务上取得了最顶尖的成绩，但在节点分类任务上，Correct&Smooth（C&

Kanny广小隶·2022-11-23 03:42

《Deep Learning on Graphs: A Survey》学习笔记【简略】

,CuiP,ZhuW.Deeplearningongraphs:Asurvey[J].IEEETransactionsonKnowledgeandDataEngineering,2020.18年的一篇GNN

智慧的旋风·2022-11-23 03:12

CS224W图神经网络笔记自用：Message passing and Node Classification

MessagePassingandNodeClassification1.outline1.1前言要解决的问题：给定一个在某些节点上有标签的网络，我们如何为网络中的所有其他节点分配标签（半监督节点分类问题）？在第三章，我们采用节点嵌入的方法来解决这个问题，今天我们将讨论一个替代解决框架：消息传递，背后的思想是，网络中存在相关性（依赖性），即相似的节点是相互连接的。核心概念是collectivecl

小粥铺·2022-11-23 03:36

CS224W-图神经网络笔记6.2：Message Passing and Node Classification - 三类主要的节点分类算法介绍

CS224W-图神经网络笔记6.2：MessagePassingandNodeClassification-三类主要的节点分类算法介绍本文总结之日CS224WWinter2021只更新到了第四节，所以下文会参考

Johnny__Wang__·2022-11-23 03:31

cs224w 图神经网络学习笔记（七）Message Passing and Node Classification 信息传播与节点分类

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2.图节点分类的思想——Collectiveclassification2.1概述2.2ProbabilisticRelationalClassifier2.3Iterativeclassification2.4Loopybeliefpropag

喵木木·2022-11-23 03:30

CS224W-图神经网络笔记6.1：Message Passing and Node Classification - 节点分类方法简介

CS224W-图神经网络笔记6.1：MessagePassingandNodeClassification-节点分类方法简介本文总结之日CS224WWinter2021只更新到了第四节，所以下文会参考2021

Johnny__Wang__·2022-11-23 03:30

Datawhale组队学习-图神经网络（二）

Datawhale组队学习-图神经网络（二）Taks02消息传递范式此次学习分为以下步骤：学习图神经网络生成节点表征的范式–消息传递（MessagePassing）范式。

阿_边·2022-11-22 22:43

Datawhale组队学习-图神经网络（三）

Datawhale组队学习-图神经网络（三）Taks03基于图神经网络的节点表征学习此次学习分为以下步骤：获取并分析数据集、构建一个方法用于分析节点表征的分布。

阿_边·2022-11-22 22:43

GNN在生化任务上的工程实现学习笔记

目录1.预备知识GNNFramework2.GNN使用PyG(PyTorch第三方库)的实现torch_geometric官方文档1.MessagePassing继承MessagePassing基类的GCNConv2

ALE.code·2022-11-22 21:02

【图机器学习】图神经网络入门（三）从图傅里叶变换到图卷积

目录1前言2卷积定理及卷积操作的意义2.1卷积的意义2.2卷积定理3图(graph)卷积4总结5参考文献1前言在之前的文章中（图上的傅里叶变换），已经顺利的从传统的傅里叶变换过渡到了图上的傅里叶变换，这样使得离散的图数据能够进行卷积操作。本节主要阐述如何如何从图的傅里叶变换到图卷积。本文为自学的记录，其中多有借鉴他人的地方，一并在参考文献中给出链接。2卷积定理及卷积操作的意义2.1卷积的意

一穷二白到年薪百万·2022-11-22 13:03

图神经网络----GCN图卷积神经网络+代码理解

关于负采样:负采样的长度,肯定是和有值的ui对的数量是一样的:(文章写得非常好,看不懂的是傻瓜......)GCN的概念首次提出于ICLR2017（成文于2016年）：一、GCN是做什么的在扎进GCN的汪洋大海前，我们先搞清楚这个玩意儿是做什么的，有什么用。图片或者语言，都属于欧式空间的数据，因此才有维度的概念，欧式空间的数据的特点就是结构很规则。但是现实生活中，其实有很多很多不规则的数据结构，典

无意识积累中·2022-11-22 12:44

从0到1实现GCN——最详细的代码实现

最近论文中需要使用图卷积神经网络（GNN），看了一些关于GCN的代码，还有基于PyTorchGeometricTemporal的代码实现，在这里做一下记录。

m0_53961910·2022-11-22 12:02

知识图谱推理：现代的方法与应用

系统的研究了知识图谱推理的现代方法，通过统一的架构介绍了向量空间中进行知识图谱推理的现代方法，通过统一的架构介绍了向量空间中进行知识图谱推理的模型，包括基于几何运算嵌入欧几里得空间和双曲空间的方法，基于卷积神经网络、胶囊网络、图神经网络等深度网络模型的方法

精分天秤座的mystery·2022-11-22 12:00

知识图谱上的图神经网络

本文节选自《图神经网络：基础与前沿》一书！——正文——几乎所有早期的知识图谱嵌入的经典方法都是在对每个三元组打分，在实体和关系的表示中并没有完全考虑到整幅图的结构。

博文视点·2022-11-22 12:24

从零开始学GNN

动手学学GNN1.什么是Graph1.1图结构的表示1.2特殊数据的图表示1.3GNN常用的输入数据2.WhyGNN?

L1_Zhang·2022-11-22 11:33

GCN项目的笔录

项目流程：总体概括为几大步：1.数据集的准备工作-->2.构建生物分子网络-->3.构建图神经网络模型-->4.数据预测与模型训练1）在列表中，选取了110种疾病类型；16156种蛋白质节点；在创建的异构图

Okay灬·2022-11-22 11:00

关于GNN、GCN、GraphSAGE（3）--GraphSage

GraphSAGE&PinSAGE这里有两种图采样算法。在实际问题中，一张图可能节点非常多，因此没有办法一次性的把整张图送入计算机资源，所以我们使用一种有效的采样算法，从全图G中采样出一个子图g，进行训练。在进行采样之前，我们至少应该保证采样后的子图是连通的。GraphSAGE(SAmple$aggreGatE)主要分为两步：采样、聚合采样的阶段：首先选择一个点，然后随机选取这个点的一阶邻居，再以

Okay灬·2022-11-22 11:00

代码实现tan graph model for classification_番外篇：GCN实现子图匹配

应知友@MeisterMorxrc之邀，更新GNN实现论文《TheGraphNeuralNetworkModel》中的子图匹配任务，使用比较简单的GCN模型进行实现，模型框架为Pytorch。

weixin_39617470·2022-11-22 11:55

gcn 图卷积神经网络_GCN图卷积网络入门详解

字幕组双语原文：【GCN】图卷积网络(GCN)入门详解英语原文：GraphConvolutionalNetworks(GCN)翻译：听风1996、大表哥在这篇文章中，我们将仔细研究一个名为GCN的著名图神经网络

weixin_39638801·2022-11-22 11:55

超大图cluster gcn

由于是利用图节点聚类算法将节点划分为多个簇，所以簇内边的数量要比簇间边的数量多得多，所以可以提高表征利用率，并提高图神经网络的训练效率。每一次随机选择多个簇来组成一个b

qq_26387487·2022-11-22 11:51

GNN Tensorflow packages

tfframework定义tf.name_scope()函数tf.name_scope(name)，用于定义pythonop的上下文管理器。此上下文管理器将推送名称范围，这将使其中添加的所有操作的名称带有前缀。例如，定义一个新的Pythonopmy_op：defmy_op(a,b,c,name=None):withtf.name_scope("MyOp")asscope:a=tf.convert_

天狼啸月1990·2022-11-22 10:39

智能金融再突破·TAI让反洗钱更快一步

氪信基于图神经网络的可疑交易识别体系TAI（TransactionAI），为应对日渐隐蔽化、动态化、“专

chenjiao6557·2022-11-22 08:38

面向预测的时空数据学习方法分析

cnki.com.cn)目录第3章面向时空网格数据预测的三维卷积神经网络模型简述深度时空三维卷积神经网络模型2个组件近期依赖组件（过去几天）周周期依赖组件(过去几周)融合层第4章面向时空图数据预测的时空注意力图神经网络模型简介问题定义基于注意力机制的时空图卷积神经网络时空注意力模块时空图卷积模块

Savannah913·2022-11-22 07:55

TensorFlow2.0 神经网络模型创建方法总结

序言tf2.0中有三种主流模型创建方法：顺序式模型创建方法、函数式模型创建方法和子类式模型创建方法；前两者用于创建静态图神经网络模型，最后者用于创建动态图神经网络模型。

HadesZ~·2022-11-22 05:11

【图神经网络综述】A Comprehensive Survey on Graph Neural Networks（V4）

Paper:AComprehensiveSurveyonGraphNeuralNetworksPublishedin:IEEETransactionsonNeuralNetworksandLearningSystems(Volume:32,Issue:1,Jan.2021)摘要：近年来，深度学习彻底改变了许多机器学习任务，从图像分类和视频处理到语音识别和自然语言理解。这些任务中的数据通常用欧氏空间

gkm0120·2022-11-22 05:40

Explainability in Graph Neural Networks:A Taxonomic Survey 图可解释

typora-root-url:imgExplainabilityinGraphNeuralNetworks:ATaxonomicSurvey可解释GNN的分类和数据集(句子==>图数据集)对于GNN解释性方法

Vectery·2022-11-22 05:34

图解GNN：A Gentle Introduction to Graph Neural Networks

文本2.3其他数据2.3.1分子2.3.2社交网络2.3.3引文图3.图中的任务3.1图级任务3.2节点级任务3.3边级任务4.使用图数据的挑战5.GraphNeuralNetworks5.1最简单的GNN5.2Pooling5.3

Cyril_KI·2022-11-22 05:31

【阅读】A Comprehensive Survey on Electronic Design Automation and Graph Neural Networks——EDA+GNN综述翻译

转载请注明出处：小锋学长生活大爆炸[xfxuezhang.blog.csdn.net]Paper原文：https://dl.acm.org/doi/pdf/10.1145/3543853目录0ABSTRACT1INTRODUCTION2BACKGROUNDANDDEFINITION2.1ElectronicDesignAutomation2.2Graphs2.3ShallowEmbeddingsM

小锋学长生活大爆炸·2022-11-22 05:01

神经网络输入图片大小,图神经网络输入输出

卷积神经网络怎么生成图片？需要使用类似GAN的生成模型去做。望采纳GAN的基本原理其实非常简单，这里以生成图片为例进行说明。假设我们有两个网络，G（Generator）和D（Discriminator）。正如它的名字所暗示的那样，它们的功能分别是：G是一个生成图片的网络，它接收一个随机的噪声z，通过这个噪声生成图片，记做G(z)。D是一个判别网络，判别一张图片是不是“真实的”。它的输入参数是x，x

aifans_bert·2022-11-22 03:52

推荐频道

GNN图神经网络