GNN-

GNN-频域-2014：Spectral Networks and Locally Connected Networks on Graphs（频谱图卷积神经网络）【第一篇从频域角度分析】

《原始论文：SpectralNetworksandLocallyConnectedNetworksonGraphs》空域卷积非常直观地借鉴了图像里的卷积操作，但缺乏一定的理论基础。而频域卷积则不同，相比于空域卷积而言，它主要利用的是**图傅里叶变换(GraphFourierTransform)**实现卷积。简单来讲，它利用图的**拉普拉斯矩阵(Laplacianmatrix)**导出其频域上的的拉

u013250861·2023-10-05 23:37

【论文推荐】GNN for Communication Networks最新论文

猴子2333·2023-07-25 02:23

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

GNN-图卷积模型-2017：GraphSAGE【消息传递（前向传播）：聚合+更新】【聚合函数：lstm/pool】【训练更新函数参数】【不全图卷积，每次采样一批节点来卷积训练】【归纳式】【同质图】

一、概述1、摘要核心1.本文提出了一种归纳式学习模型，可以得到新点/新图的表征。2.GraphSAGE模型通过学习一组函数来得到点的表征。3.采样并汇聚点的邻居特征与节点的特征拼接得到点的特征。4.GraphSAGE算法在直推式和归纳式学习均达到最优效果。5.缺点：邻域大小不可变2、GraphSAGE(SAmpleandaggreGatE)意义1.图卷积神经网络最常用的几个模型之一（GCN，GAT

u013250861·2022-12-21 00:21

GNN-图卷积模型-2019：GTN【Graph Transformer Networks】【异质图】

摘要：图神经网络在图的表示学习中得到了广泛的应用，在节点分类和链路预测等任务中取得了很高的性能。然而，大多数现有GNNs的设计目的是学习固定和齐次图上的节点表示。当学习指定错误的图或由各种类型的节点和边组成的异类图上的表示时，这种局限性尤其成问题。在本文中，我们提出了能够生成新图结构的图转换网络(GTNs)，它涉及到识别原始图上未连接节点之间的有用连接，同时以端到端方式学习新图上的有效节点表示。G

u013250861·2022-12-20 10:12

图神经网络GNN-使用PyG踩坑：Cora数据集加载失败

dataset=Planetoid(root='../dataset/data1',name='Cora')这里提供的是手动下载方法，虽然麻烦，但最有保障。使用git下载数据gitclonehttps://github.com/kimiyoung/planetoid.gitorgitclonehttps://gitee.com/jiajiewu/planetoid.git下载的是planetoid

埘间海洋·2022-12-15 07:22

GNN-第三方库-DGL：教程

DGL库很友好出了汉语教程地址就在这个地方，这里基本从那边粘贴过来，算作个人笔记。一、图（Graph）DeepGraphLibrary(DGL)是一个用于构建图神经网络模型的框架网址：DeepGraphLibrary官方文档：WelcometoDeepGraphLibraryTutorialsandDocumentation—DGL0.9.1post1documentation论坛：DeepGra

u013250861·2022-12-15 05:00

学习GNN-持续更新中

最近看了一下神经网络和卷积神经网络（CNN）的基础概念，然后开始看生成对抗网络（GNN）的基础知识，之后会自己写一下代码，用GNN对数据集进行训练。1.GNN及其他演变算法2.BN层3.内部协变量偏移(InternalCovariateShift)和批归一化(BatchNormalization)4.激活函数Relu及leakyRelu5.转置卷积6.stride卷积

河马小白·2022-12-07 05:03

GNN-静态表征-随机游走-2014：DeepWalk【步骤：①随机游走策略生成每个节点的训练序列（DFS），得到训练数据集；②套用Word2vec算法得到节点表示】【捕获二阶相似度】【浅层、同质图】

一、概述1、2、DeepWalk、LINE、Node2vec对比提出的顺序DeepWalk2014,UNE2015,Node2Vec2016Node2Vec设置p=q=1p=q=1p

u013250861·2022-12-02 14:48

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

【论文笔记7】CrossViT: Cross-Attention Multi-Scale Vision Transformer for Image Classificatio阅读笔记

系列文章目录论文阅读笔记(1)：DeepLabv3论文阅读笔记(2):STA手势识别论文阅读笔记(3):ST-GCN论文阅读笔记（5）:图上的光谱网路和深度局部链接网络论文阅读笔记（6）:GNN-快速局部光谱滤波论文阅读笔记

梅津太郎·2022-11-19 12:22

GNN-第三方库：PyG（Pytorch Geometric）【基于Pytorch构建的库，可以帮助用户快速构建和训练自己的图神经网络模型】【DeepWalk、LINE、GCN、GAT等】

一.什么是PyG?PyG全称是PytorchGeometric，它是一个基于Pytorch构建的库，可以帮助用户快速构建和训练自己的图神经网络模型。PyG中实现了很多先进（stateoftheart）的GNN模块，例如GCN、GraphSage、GAT、SGC、GIN等等。此外，PyG中还包含了大量的benchmark图数据集、丰富的图数据操作方法、支持多GPU。二.PyG的安装关于PyG的安装，

u013250861·2022-11-13 11:40

Yuetianw·2022-10-05 07:47

论文阅读笔记（6）: GNN-快速局部光谱滤波

实验：代码论文中有，这里只是解读部分代码：#-*-coding:utf-8-*-#author:cuihu#time:2021/4/1015:07#task:本文图神经网络网的使用，详细请看论文#《ConvolutionalNeuralNetworksonGraphswithFastLocalizedSpectralFiltering》importsyssys.path.append("./lib

梅津太郎·2022-07-10 12:10

GNN-图神经网络基础内容概述

前言过去的十多年中，神经网络在图像和文本等结构化数据中已经表现的十分出色。CNN，RNN，自编码器（Autoencoders）等很多流行的模型在以矩阵或向量作为输入的结构形式数据上都能很好地工作，我称这些结构化的数据为表格数据。而这些模型在非结构化数据上的表现怎样呢？比如最近大家在研究中频繁碰到的图结构数据，如果不将这些非结构化的图数据经过复杂的转换变为表格格式的话，使用传统的方法基本无从下手，那

Chris_34·2020-06-29 07:34

推荐频道