GNNS

基于深度学习的动态场景理解

该技术在自动驾驶、智能监控、机器人导航、增强现实等领域有着广泛应用，通过深度学习模型，特别是卷积神经网络（CNNs）、递归神经网络（RNNs）、图神经网络（GNNs）等，对复杂动态场景进行实时解读。

SEU-WYL·2024-09-09 03:14

深入理解PyTorch中的MessagePassing

深入理解PyTorch中的MessagePassing图神经网络（GraphNeuralNetworks，简称GNNs）在近年来已成为处理图形数据的一种强大工具，广泛应用于社交网络分析、蛋白质结构预测、

小桥流水---人工智能·2024-08-30 06:00

【论文阅读】Model Stealing Attacks Against Inductive Graph Neural Networks（2021）

摘要Manyreal-worlddata（真实世界的数据）comeintheformofgraphs（以图片的形式）.Graphneuralnetworks(GNNs图神经网络),anewfamilyofmachinelearning

Bosenya12·2024-08-26 12:29

torch_scatter和torch_sparse用于处理图形数据和稀疏张量·「含有下載地址」

它们通常与深度学习任务中的图神经网络（GNNs）相关联，这些网络涉及对图形结构的学习和推断。torch_scatter库提供了一组用于对稀疏张量执行聚合操作的函数。

源代码杀手·2024-02-25 01:08

1_图神经网络GNN基础知识学习

文章目录对B站前十个视频的补充内容视频链接图神经网络的介绍图神经网络的输入格式图的输入格式：例子：GNNs输入数据的结构GNNS中的MaxPooling“在图神经网络的各个点的特征组合中，对多个点做MaxPooling

Waldocsdn·2024-01-30 06:01

时空预测 | 基于图神经网络的时空预测

机器学习之心·2024-01-18 09:14

GNN如何处理表格？

链接:https://ieeexplore.ieee.org/document/10184514在这篇综述中，我们深入探讨了使用图神经网络（GNNs）进行表格数据学习（TDL）的领域，这是一个深度学习方法在分类和回归任务中相比传统方法表现出越来越优越性能的领域

AI知识图谱大本营·2024-01-11 04:26

Graph Neural Networks: Graph Structure Learning

GraphNeuralNetworks:GraphStructureLearning摘要：由于图神经网络（GNNs）在建模图结构数据方面具有出色的表达能力，GNNs在自然语言处理、计算机视觉、推荐系统、

让AI服务于我·2024-01-04 01:11

异常检测 | Matlab基于GNN图神经网络的异常数据检测

模型描述图神经网络（GraphNeuralNetworks，GNNs）是一

机器学习之心·2024-01-01 13:18

Graph Isomorphism Network(GIN)

在本节中，我们将引入Weisfeiler-Leman（WL）检验的概念，该理念可以帮助我们更好的表达GNNs架构。

Authony.·2023-12-06 18:51

深度学习之十（图神经网络--Graph Neural Networks，GNNs）

概念图神经网络（GraphNeuralNetworks，GNNs）是一类专门用于处理图数据的神经网络模型。它们的设计旨在对图结构进行学习和推断，适用于节点分类、链接预测、图生成等任务。

贾斯汀玛尔斯·2023-11-28 22:25

百面深度学习-图神经网络

图神经网络（GraphNeuralNetworks，GNNs）是深度学习模型的一个类别，专门设计来处理图结构数据。

jieHeEternity·2023-11-16 04:06

专题解读｜Graph Fairness代表性工作介绍

近年来，图神经网络(graphneuralnetworks，GNNs)在图结构数据建模方面表现出了强大的能力。一般地，GNNs采用消息传递机制，通过迭代地聚合邻居节点的表示来更新节点的表示。

梦码城·2023-11-14 17:55

CS224W6.3——图深度学习

关键思想是，在GNNs中，根据局部网络邻域生成节点嵌入。gnn通常由任意数量的层组成，而不是单层，以集成来自更大上下文的信息。介绍了如何使用gnn来解决优化问题，以及它强大的归纳能力。

阿牛大牛中·2023-11-13 15:57

到底什么是几何深度学习？Twitter 首席科学家Bronstein深度解读

Bron作者|MrBear编辑|青暮前不久，帝国理工学院教授、Twitter首席科学家MichaelBronstein发表了一篇长达160页的论文，试图从对称性和不变性的视角从几何上统一CNNs、GNNs

喜欢打酱油的老鸟·2023-11-12 06:27

Explainability in Graph Neural Networks:A Taxonomic Survey

在图数据领域，图神经网络(GNNs)及其可解释性正经历

Kenny_SI·2023-11-10 01:58

文献笔记|分子性质预测|Motif-based Graph Self-Supervised Learning for Molecular Property Prediction

Motif-basedGraphSelf-SupervisedLearningforMolecularPropertyPrediction题目：基于模体的图自监督学习用于分子性质预测来源：NeurIPS2021单位：中国科学技术大学挑战然而，大多数现有的GNNs

江城暮·2023-10-30 06:18

论文分享——北邮：基于学习解纠缠因果子结构的图神经网络去偏

基于学习解纠缠因果子结构的图神经网络去偏论文链接：https://arxiv.org/pdf/2209.14107.pdf https://doi.org/10.48550/arXiv.2209.14107 大多数图神经网络(GNNs

一只水熊虫·2023-10-27 14:31

图和图神经网络的可视化，详解与示例

1图和图神经网络可视化图和图神经网络（GraphNeuralNetworks，GNNs）的可视化对于理解和分析复杂图结构和模型的工作非常重要。

LeapMay·2023-10-25 23:32

[异构图-论文阅读]Heterogeneous Graph Transformer

许多现有的图神经网络（GNNs）主要针对同构图设计，无法有效表示异构结构。HGT通过设计节点和边类型相关的参数来模拟异构注意力，从而允许HGT为不同类型的节点和边保持专用的表示。

SimonChenHere·2023-09-27 18:11

文献综述笔记

近年来，图神经网络(GNNs)在各个领域中都取得了巨大的成功。因此，研究者提出了许多基于会话的推荐方法。Wu等人[20]首次将会话序列转换为图，提

Moliay·2023-09-21 06:57

【图卷积神经网络】1-入门篇：为什么使用图神经网络(下)

GNNs是一种新的深度学习架构类别，专门设计用于处理图结构化数据。与主要用于文本和图像的传统深度学习算法不同，GNNs明确地用于处理和分析图数据集（见图1.4）。

upDiff·2023-09-09 16:10

音视频技术开发周刊 | 277

GNNear：基于近内存处理的大规模图神经网络训练加速器图神经网络(GNNs)已经成为分析非欧几里得图数据的最新算法。然而，实现高效的GNN训练是一项挑战，特别是在大规模图上。

LiveVideoStack_·2023-09-06 06:44

《Rethinking the Expressive Power of GNNs via Graph Biconnectivity》阅读笔记

一.文章概述现如今存在许多工作探索GNN的表达能力，然而对于其中大多数方法，仍然缺乏对它们可以系统地和可证明地获取哪些额外表达力的深刻理解。在本文中，作者通过图双连通性（biconnectivity）引入一类新的表达能力度量，并指出现有大部分关于GNN表达能力的工作无法表达此类指标。之后，作者提出了GD-WL（GeneralizedDistanceWeiseiler-Lehman），它能表达所有双

斯曦巍峨·2023-08-16 11:08

attention机制中的注意力图怎么画_注意力机制 | 图卷积多跳注意力机制 | Direct multihop Attention based GNN...

导读：目前GNNs通过利用self-attention机制已经取得较好的效果。

Waiyuet Fung·2023-07-22 15:37

【论文阅读】Graph-less Collaborative Filtering

介绍3.模型解读3.1协同过滤3.2模型3.2.1对比知识精馏3.2.2自适应对比正则化3.2.3SimRec的参数学习4.实验5.总结1.来源2023WWWCCFA原文地址code2.介绍图神经网络（GNNs

笃℃·2023-06-20 06:10

2.Node Classification with Graph Neural Networks

ThistutorialwillteachyouhowtoapplyGraphNeuralNetworks(GNNs)tothetaskofnodeclassification.Here,wearegiventheground-truthlabelsofonlyasmallsubsetofnodes

☆下山☆·2023-06-07 07:05

NeurIPS 2023 | 重新审视图神经网络中的异配问题

栾思焘：麦吉尔大学&Mila博士生，研究方向为图神经网络和图表示学习01同配(Homophily)v.s.异配(Heterophily)近几年实验发现，在很多图上做节点分类的时候，图神经网络(GNNs)

AITIME论道·2023-04-20 12:51

打通语言理论和统计NLP，Transformers/GNNs架构能做到吗？

作者|ChaitanyaK.Joshi译者|苏本如，责编|夕颜来源|CSDN（ID:CSDNnews）我的工程师朋友经常问我：图深度学习听起来很棒，但是有没有实际应用呢？虽然图神经网络被用于Pinterest、阿里巴巴和推特的推荐系统，但一个更巧妙的成功案例是Transformer架构，它在NLP（NaturalLanguageProcessing，自然语言处理）世界掀起了一场风暴。在这篇文章中，

AI科技大本营·2023-04-10 09:54

图神经网络与深度学习在智能交通中的应用：综述

/arxiv.org/pdf/2005.11691.pdf论文作者：JiexiaYe,JuanjuanZhao,KejiangYe,ChengzhongXu(IEEEFellow)关键词：图神经网络（GNNs

5cb210704729·2023-03-21 18:39

Transformers与图神经网络的关系，我们能从transformer学习到什么？

通过这篇文章，我想在GraphNeuralNetworks(GNNs)和tr

BUAA～冬之恋·2023-02-07 12:03

异构图神经网络（2）Heterogeneous Graph Neural Network

当前先进的GNNs并没有对异构图解决以下几个问题：很多异构图中节点也许并没有和其他所有类

文件夹66·2023-02-03 11:16

【阅读】A Comprehensive Survey on Distributed Training of Graph Neural Networks——翻译

AbstractGraphneuralnetworks(GNNs)havebeendemonstratedtobeapowerfulalgorithmicmodelinbroadapplicationfieldsfortheireffectivenessinlearningovergraphs.ToscaleGNNtrainingupforlarge-scaleandever-growinggra

小锋学长生活大爆炸·2023-01-21 08:21

【论文笔记_知识蒸馏_2022】Compressing Deep Graph Neural Networks via Adversarial Knowledge Distillation

通过对立知识蒸馏压缩深度图神经网络摘要深度图神经网络(GNNs)已被证明对图结构数据的建模具有表达能力。然而，深度图模型的过度堆积的体系结构使得在移动或嵌入式系统上部署和快速测试变得困难。

乱搭巴士·2023-01-12 13:33

GNN笔记系列 4

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

弓早早o_O·2023-01-08 19:07

GNN笔记系列 1

1Convolutionsintime,space,andgraphsNeuralNetworks(NNs)ConvolutionalNeuralNetworks(CNNs)GraphNeuralNetworks(GNNs

弓早早o_O·2023-01-05 03:12

TGN：Temporal Graph Networks论文解读

公众号异度侵入“图神经网络（GNNs）的研究已经成为今年机器学习领域的热门话题之一。GNNs最近在生物、化学、社会科学、物理等领域取得了一系列成功。

captainqxy·2023-01-03 08:31

GNN动手实践(二)：复现图注意力网络GAT

参考论文：GraphAttentionNetworks一.前言GAT（图注意力网络）是GNNs中重要的SOTA模型，该模型是从空域角度来进行定义，能够用消息传递范式来进行解释。

斯曦巍峨·2022-12-30 08:05

论文笔记：WWW 2020 Heterogeneous Graph Transformer

1.前言论文链接：https://arxiv.org/abs/2003.01332github：https://github.com/acbull/pyHGT近年来，图神经网络(GNNs)在结构化数据建模方面取得了巨大的成功

饮冰l·2022-12-29 13:08

【论文阅读】AD-GCL：Adversarial Graph Augmentation to Improve Graph Contrastive Learning

目录摘要1引言2准备工作2.1学习图表示2.2GNNs2.3互信息最大化3对抗性图对比学习3.1AD-GCL的理论动机及制定3.2通过可学习的边缘扰动实例化AD-GCL3.2.1可学习的EdgeDroppingGDA

Cziun·2022-12-28 07:52

GTN-Graph Transformer Network 图变换网络 NeurIPS2019

来源：NeurIPS2019论文链接代码链接摘要图神经网络（GNNs）在图表示学习中得到了广泛的应用，实现了节点分类和连接预测等任务的最佳性能。

BUAA～冬之恋·2022-12-20 10:42

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

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。

u013250861·2022-12-20 10:12

TPAMI 2022 | 利用子图同构计数提升图神经网络的表达能力

ImprovingGraphNeuralNetworkExpressivityviaSubgraphIsomorphismCounting论文地址：https://arxiv.org/pdf/2006.09252.pdf论文介绍尽管图神经网络（GNNs

PaperWeekly·2022-12-15 06:55

Graph Transformer Networks（图Transformer网络）

Struggle~·2022-12-14 06:52

图机器学习（Graph Machine Learning）- 第三章无监督图学习3 （Unsupervised Graph Learning）- 图神经网络

第三章无监督图学习3-图神经网络Graphneuralnetworks文章目录第三章无监督图学习3-图神经网络Graphneuralnetworks前言3.4图神经网络Graphneuralnetworks3.4.1GNNs

无穷范数·2022-12-14 03:58

【论文阅读|ICLR2020】Strategies for Pre-training Graph Neural Networks

代码地址:https://github.com/snap-stanford/pretrain-gnns/论文地址:https://arxiv.org/abs/1905.12265v20摘要机器学习的许多应用需要一个模型来对分布上与训练样本不同的测试样本做出准确的预测

GNN_·2022-12-13 16:39

如何构建可信GNN？最新综述来了！可信图神经网络：维度，方法，趋势

作为人工智能领域最活跃的研究方向之一，图神经网络（GNNs）凭借其卓越的性能已经被广泛应用于个性化推荐等日常生活中，在如新冠药物研发等科学前沿领域也不乏其身影。随着图神经网络技术的蓬勃发展，

人工智能学家·2022-12-12 16:57

CS224W: Machine Learning with Graphs - 09 How Expressive are GNNs

HowExpressiveareGNNs0.TheoryofGNNsHowpowerfulareGNNs?ManyGNNmodelshavebeenproposed(e.g.,GCN,GAT,GraphSAGE)Whatistheexperssivep[ower(abilitytodistinguishdifferentgraphstructures)ofthesemodels?Howtodesi

xbfu-xjtu·2022-11-30 23:21

HOW POWERFUL ARE GRAPH NEURAL NETWORKS? 论文阅读

Codelink：https://github.com/weihua916/powerful-gnns摘要：GNN对于图形的特征很有效，其可以通过不断汇聚领节点的信息，GNN的变体在节点还是图形分类方面都取得很多的成就

weixin_44576543·2022-11-30 15:33

2019 LCLR | How Powerful are Graph Neural Networks

HowPowerfulareGraphNeuralNetworksPaper:https://arxiv.org/pdf/1810.00826Code:https://github.com/weihua916/powerful-gnns2019LCLR

发呆的比目鱼·2022-11-30 15:32

推荐频道