GNNS

性能超越图神经网络，将标签传递和简单模型结合实现SOTA

译者|刘畅出品|AI科技大本营头图|CSDN付费下载自视觉中国图神经网络（GNNs）是图学习中一种主流的技术。然而，对于GNN为什么在实际使用中很成功以及它们是否是优异性能所必需的技术，了解相对较少。
zenRRan·2022-11-27 05:21

《Graph Neural Networks: A Review of Methods and Applications》阅读笔记

图形神经网络（GNNs）是一种连接模型，通过图形节点之间的消息传递捕获图形的依赖性。图（Graph）是一种对一组对象（nod
黄小二哥·2022-11-27 02:44

论文笔记：NIPS 2019 Graph Transformer Networks

然而，大多数现有的GNNs被设计用于学习固定的同构图上的节点表示。在学习一个由各种类型的节点和边组成的异构图的表示时，这些限制尤其
饮冰l·2022-11-25 22:25

Bi-CLKT: Bi-Graph Contrastive Learning based Knowledge Tracing

其他的工作尝试引入图神经网络(GNNs)，并相应地重新定义任务，以实现显著
林若漫空·2022-11-24 07:57

《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（GNNS
coast_s·2022-11-23 04:26

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

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&S）可谓异军突起，通过基础浅层模型和“矫正”与“光滑”两个基于标签传播的后处理步骤即可达到甚至超越当前主流GNNs
Kanny广小隶·2022-11-23 03:42

cs224w（图机器学习）2021冬季课程学习笔记20 Advanced Topics on GNNs

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.AdvancedTopicsonGNNs2.LimitationsofGraphNeuralNetworks3.Position-awareGraphNeuralNetworks[^3]4.Identity-awareGraphNeuralNetworks[^4]5.RobustnessofGrap
诸神缄默不语·2022-11-23 03:02

cs224w（图机器学习）2021冬季课程学习笔记21 Scaling Up GNNs to Large Graphs

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VX号“PolarisRisingWar”可直接搜索添加作者好友讨论。更新日志：2021.11.16优化公式排版文章目录1.介绍scaleupGNN问题2.GraphSAGENeighborSampling:ScalingupGNNs3.Cluster-GCN:ScalingupGNNs4.Scalingupb
诸神缄默不语·2022-11-23 03:02

斯坦福CS224W图机器学习笔记自用：A General Perspective on Graph Neural Networks

RecapDeepGraphEncoders（深度图编码器）GraphNeuralNetworksGNN核心思想：节点的邻域定义了一个计算图AggregatefromNeighbor想法：节点使用神经网络聚合来自其邻居的信息为什么说GNNs
小粥铺·2022-11-22 01:20

图神经网络（GNNs）模型学习笔记与总结

GCN学习笔记1基于谱域的GCN1.1知识要点：1.2Spectral-basedmodels1.2.1SpectralNetwork1.2.2ChebNet（2016）1.2.3GCN（2017）1.2.4AGCN（2018）1.2.5DGCN（2018）1.2.6GWNN1.2.7小结2基于空间的GCN2.1知识要点2.2Spatial-basedmodels2.2.1NeuralFPs2.2
Arvin Ou·2022-11-19 22:14

论文笔记：ICLR 2019 How Powerful Are Graph Neural Networks

因此作者提出了一个理论框架来分析GNNs捕获不同图结构的表达能力。作者主要分析了主要的GNN方法的辨别力，尤其是GCN和GraphSAGE并证明它们不能对不同的简单图结构进行区分。
饮冰l·2022-11-19 20:50

PyG(PyTorch Geometric)安装教程(附Cora数据集)

TechnischeUniversityDortmund）的MatthiasFey博士基于PyTorch框架提出的图卷积(GraphConvolutionNet)神经网络框架，用于方便地编写和训练图神经网络(GNNs
Torture_L·2022-11-19 00:28

GNN-CS224W: 17 Scaling Up GNNs

GraphsinmodelapplicationapplicationsRecommendersystems:Amazon,YouTube等要预测用户对item(商品、视频)是否感兴趣(linkprediction)还要预测用户、item的类型(nodeclassification)数据量级很大SocialnetworksFacebook,Twitter,Instagram等要做Friendrec
当客·2022-11-08 09:46

几何等变图神经网络综述

尽管取得了丰硕的成果，但它仍然缺乏一项survey来描述等变GNN是如何发展的，这反过来又阻碍了等变GNNs的进一步发展。为此，基于
tzc_fly·2022-10-31 22:26

【ICML2022】图神经网络异常检测的再思考

图神经网络(GNNs)在图异常检测中有着广泛的应用。由于谱滤波器的选择是GNN设计的关键之一，因此通过图谱分析异常是GNN设计的第一步。
数据派THU·2022-10-29 12:16

DIFFPOOL - Hierarchical Graph Representation Learning with Differentiable Pooling NIPS 2018

文章目录1相关介绍相关概念背景介绍模型简介2相关工作3DIFFPOOL：可微的pooling方法3.1问题定义图神经网络堆叠GNNs和pooling层3.2通过学习聚类分配矩阵来进行可微的poolingQ1
不务正业的土豆·2022-10-09 15:36

【pytorch-geometric文档翻译】0. Notes说明

pytorch-geometric官方文档PYGDOCUMENTATION-PYG文档PyG(PyTorchGeometric)是一个基于PyTorch构建的库，可轻松编写和训练GraphNeuralNetworks图神经网络(GNNs
Nat_Jst·2022-09-28 07:04

论文解读（PairNorm）《PairNorm: Tackling Oversmoothing in GNNs》

论文信息论文标题：PairNorm:TacklingOversmoothinginGNNs论文作者：LingxiaoZhao,LemanAkoglu论文来源：2020,ICLR论文地址：download论文代码：download1IntroductionGNNs的表现随着层
关注我更新论文解读·2022-08-21 15:00

文献阅读（03）Computing Graph Neural Networks: A Survey from Algorithms to Accelerators

ROBERTGUIRADO,JORGELÓPEZ-ALONSO,andEDUARDALARCÓN目录文章脉络：缩写&&引用：1INTRODUCTION：(1)本质：(2)难点：(3)目前所作的尝试：（4）关于gnns
道枝jing·2022-07-31 07:56

GIN：图神经网络有多强大? HOW POWERFUL ARE GRAPH NEURALNET WORKS

HOWPOWERFULAREGRAPHNEURALNETWORKShttps://arxiv.org/abs/1810.00826v1来源：ICLR2019代码：GitHub-weihua916/powerful-gnns
sanananana·2022-07-12 08:13

A Comprehensive Survey on Graph Neural Networks论文阅读笔记

AComprehensiveSurveyonGraphNeuralNetworks细节点摘要介绍部分将机器学习应用到Graph领域的问题2D卷积和Graph卷积相似之处和区别文章的贡献之处文章框架GNNs
不知道叫啥好一点·2022-07-06 07:59

论文解读（SR-GNN）《Shift-Robust GNNs: Overcoming the Limitations of Localized Graph Training Data》

论文信息论文标题：Shift-RobustGNNs:OvercomingtheLimitationsofLocalizedGraphTrainingData论文作者：QiZhu,NataliaPonomareva,JiaweiHan,BryanPerozzi论文来源
Learner-·2022-06-24 14:00

论文解读（Graph-MLP）《Graph-MLP: Node Classification without Message Passing in Graph》

ZhecanWang,ZhichengWang,ErjinZhou,YueGao论文来源：2021,ArXiv论文地址：download论文代码：download1介绍本文工作：不使用基于消息传递模块的GNNs
Learner-·2022-04-02 20:00

图神经网络是怎么炼成的：GNN基本原理简介

GoogleResearch这篇AGentleIntroductiontoGraphNeuralNetworks神作的阅读笔记.图神经网络十多年来，研究人员开发了一种称之为图神经网络（GraphNeuralNetworks，GNNs
金色暗影·2021-11-15 21:00

【知识图谱系列】清华大学基于对比学习的图谱预训练模型GCC

自然语言处理与知识图谱本文介绍一篇基于对比学习的图谱预训练模型GCC（KDD2020），介绍GCC模型核心点和模型思路，完整汇报ppt获取请关注公众号回复关键字：GCC一、背景知识图谱预训练作用：图神经网络(GNNs
CHEONG_KG·2021-05-22 09:09

【知识图谱系列】基于Randomly Perturb的图谱预训练模型GraphCL

RandomlyPerturb互信息最大化的图谱预训练模型GraphCL（NIPS2020），介绍模型核心点和模型思路，完整汇报ppt获取请关注公众号回复关键字：GraphCL一、背景知识图谱预训练作用：图神经网络(GNNs
CHEONG_KG·2021-05-22 09:02

【知识图谱系列】基于互信息最大化的图谱预训练模型DGI & InfoGraph

DGI（ICLR2019）和InfoGraph（ICLR2020），介绍模型核心点和模型思路，完整汇报ppt获取请关注公众号回复关键字：DGI&InfoGraph一、背景知识图谱预训练作用：图神经网络(GNNs
CHEONG_KG·2021-05-22 09:56

看完你就明白什么是图神经网络

1.什么是图神经网络图神经网络（GraphNeu做ralNetworks,GNNs）是一种基于图结构的深度学习方法，从其定义中可以看出图神经网络主要由两部分组成，即“图”和“神经网络”。
·2021-03-09 22:52

探索图神经网络的网络架构和训练方法

文章《AComprehensiveSurveyonGraphNeuralNetworks》[1]提供了一个全面的图神经网络(GNNs)概述，并且将最新的图神经网络分为四类，即递归图神经网络(RecGNNs
·2021-03-09 22:17

探索图神经网络的网络架构和训练方法

文章《AComprehensiveSurveyonGraphNeuralNetworks》[1]提供了一个全面的图神经网络(GNNs)概述，并且将最新的图神经网络分为四类，即递归图神经网络(RecGNNs
华为云·2021-02-27 11:08

图几何交互学习：首次打破几何空间特征嵌入壁垒有何绝招？

从图结构数据中学习是机器学习的一个重要任务，图神经网络（GNNs）对此表现出了空前的性能，基于欧氏空间可以很好地解决规则的结构，以及双曲空间可以有效化解层级或无标度结构所带来的挑战。
AITIME论道·2020-12-30 17:31

GNNs综述：图神经网络的综合调查（A Comprehensive Survey on Graph Neural Networks）

文章目录I.引言II.背景和定义A.背景B.定义III.分类和框架A.GNNs的分类B.框架IV.循环图神经网络（RecurrentGraphNeuralNetworks，RecGNNs）V.卷积图神经网络
十里清风·2020-12-11 02:51

###haohaohao###图神经网络之神器——PyTorch Geometric 上手 & 实战

跟传统的在欧式空间上的卷积操作类似，GNNs通过对信息的传递，转换和聚合实现特征的提取。这篇博客主要想分享下，怎样在你的项目中简单快速地实现图神经网络。
mishidemudong·2020-09-14 04:40

《Learning Discrete Structures for Graph Neural Networks》译文与一些个人理解

《LearningDiscreteStructuresforGraphNeuralNetworks》读后感包括英文、汉译以及个人的见解AbstractGraphneuralnetworks(GNNs)areapopularclassofmachinelearningmodelswhosemajoradvantageistheirabilitytoincorporateasparseanddiscr
随便起个名字问题不大·2020-09-12 09:56

NLP预训练模型综述

现在深度学习越来越火了，在NLP领域主要使用CNNs、RNNs、GNNs以及attention机制。
wshzd·2020-08-24 04:26

视觉进阶｜计算机视觉及其后的图神经网络教程（第一部分）

为了回答这些问题，我将提供激励性的示例、论文和python代码，使其成为图神经网络（GNNs）的教程。读者需要一些基本的机器
woshicver·2020-08-22 04:50

图上的预训练 ICLR 2020

id=HJlWWJSFDH¬eId=HJlWWJSFDH代码链接：https://github.com/snap-stanford/pretrain-gnns/参考文档：https://blog.csdn.net
BUAA～冬之恋·2020-08-05 11:28

HOW POWERFUL ARE GRAPH NEURAL NETWORKS?

ABSTRACTGraphNeuralNetworks(GNNs)areaneffectiveframeworkforrepresentationlearningofgraphs.GNNsfollowaneighborhoodaggregationscheme
Adam坤·2020-07-15 06:03

Transformers 是一种图神经网络

文章目录NLP的表示学习拆解Transformer多头注意力机制尺度问题以及前馈层用GNNs构建图的表示句子是完全联通的词图我们可以相互学到点什么？全连通图是NLP的最佳输入格式吗？
郝伟老师的技术博客·2020-07-13 05:09

使用TF2与Keras实现经典GNN的开源库——Spektral

该项目的主要目的是提供一个简单但又不失灵活性的图神经网络（graphneuralnetworks，GNNs)框架。
update7·2020-07-10 18:26

综述笔记：《Graph Neural Networks:A Review of Methods and Applications》-2019

2.读《GraphNeuralNetworks:AReviewofMethodsandApplications》-20192.1基本概念图神经网络（GNNs）是通过图的节点之间的消息传递来获取图的依赖性的连接模型
三丫丫哦·2020-07-10 18:29

使用EC20模组进行GNNS地理定位(AT命令)

该地理定位用到了该模块的GNNS功能。该功能的说明手册为Quectel_EC20_GNSS_AT_Commands_Manual_V1.1.pdf。经过研究该文档得出使用该功能的如下步骤。
weixin_30436891·2020-07-08 13:48

ICLR 2020 | 浅谈GNN：能力与局限

本文简要阐述三篇与此相关的文章，它们分别研究了基于信息传递的图神经网络GNNmp的计算能力，GNNs的推理能力和阻碍GCN变深的问题---over-fitting与over-smoothing。
眨眼睛的小星星·2020-07-06 20:14

ICLR 2020|PairNorm: Tackling Oversmoothing in GNNs

众所周知，GNNs的表现随着层数的增加而有所下降，这在一定程度上归结于over-smoothing这一问题，重复图卷积这一操作会使得节点的表示最终变得不可区分。
眨眼睛的小星星·2020-07-06 20:14

PNA | 使用多聚合器聚合图信息结构

作者针对图神经网络（GNNs）的表达力展开研究，将GNN理论框架扩展至连续特征，并从数学上证明了在这种情况下GNN模型对多种聚合函数的需求。
qq2648008726·2020-07-06 18:51

SAGPool - Self-Attention Graph Pooling 图分类 图池化方法 ICML 2019

3.1基于self-attention的图池化方法：SAGPoolSelf-attentionmask图池化SAGPool的变种3.2模型架构卷积层readout层全局池化架构分层池化架构4实验数据集GNNs
yyl424525·2020-06-30 11:46

[DIFFPOOL] - Hierarchical Graph Representation Learning with Differentiable Pooling 图分类 NeurIPS 2018

文章目录1相关介绍相关概念背景介绍模型简介2相关工作3DIFFPOOL：可微的pooling方法3.1问题定义图神经网络堆叠GNNs和pooling层3.2DifferentiablePoolingviaLearnedAssignmentsPoolingwithanassignmentmatrixLearningtheassignmentmatrixPermutationinvariance
yyl424525·2020-06-30 11:46

[论文翻译]-A Comprehensive Survey on Graph Neural Networks《图神经网络GNN综述》

1.2Relatedsurveysongraphneuralnetworks1.3Graphneuralnetworksvs.networkembedding1.4Graphneuralnetworksvs.graphkernelmethods1.5文章的创新性2基本的图概念的定义3GNN分类和框架3.1GNNs
yyl424525·2020-06-30 11:43

13.Hierarchical Graph Representation Learning with Differentiable Pooling

可微分池化的层级图形表征学习摘要最近，图神经网络（GNNs）通过有效学习的节点嵌入，改变了图形表征学习的领域，在节点分类和连接预测等任务中表现了不错的效果。
刺猬爱吃仙人掌·2020-06-29 00:32

预训练语言模型综述

Pre-trainedModelsforNaturalLanguageProcessing:ASurvey》总结序章随着深度学习的发展，各种神经网络被广泛应用于解决自然语言处理（NLP）任务，如卷积神经网络（CNNs），递归神经网络（RNNs），基于图的神经网络（GNNs
一只NLP的萌新er·2020-06-25 17:23
上一页 1 2 3 下一页
按字母分类： ABCDEFGHIJKLMNOPQRSTUVWXYZ其他