Graphs

【GNN综述3】Deep Learning on Graphs: A Survey

转载LemonQC论文DeepLearningonGraphs:ASurveypaper翻译见123主要分为三大类（分类比较明确）：半监督学习，包括图神经网络和图卷积神经网络；无监督学习图自编码机；最新的进展，图对抗神经网络和图强化学习。分析了不同方法的特点和联系。未来研究方向：1）不同类型的图。图数据的结构各异，现有的方法不能够适用于所有场景。大多数模型针对同质图，包含不同形态的异质图研究很少。
静静和大白·2020-06-24 07:49

Strong Baselines for Simple Question Answering over Knowledge Graphs with and without Neural Network

标签（空格分隔）：自然语言处理简介在简单的神经网络上就能达到较好的效果即使不用神经网络，也能达到较好的效果相关工作一开始的时候人们会把简单问句简化成一个结构化的问句最近的一个数据集已经成为了知识图谱上的问答基线本文并不认为人们已经充分探索了baseline方法论本文将QA问题分为四个部分：实体识别、实体链接、关系预测、证据整合github:https://github.com/castorini/
jiangzhenkang·2020-06-23 21:45

动态因子图模型（Dynamic Factor Graphs）

文章目录DFG相关论文1.《DynamicFactorGraphsforTimeSeriesModeling》2.《DYNAMICFACTORGRAPHS–ANEWWINDPOWERFORECASTINGAPPROACH》3.其它拓展DFG原理模型结构模型推断模型训练pytorch实现importutilsdatasetmodulesDFGmodelloaddatatrainresultDFG相关
颹蕭蕭·2020-06-23 20:19

java源码——计算不同图形的周长和面积

Contants.java常量存储类packagecom.fuxuemingzhu.graphs.contants;/****Title:Contants***Description:常量类，存放程序里用到的常量值
负雪明烛·2020-06-23 09:30

2018-GaAN: Gated Attention Networks for Learning on Large and Spatiotemporal Graphs

2018-GaAN:GatedAttentionNetworksforLearningonLargeandSpatiotemporalGraphs摘要1INTRODUCTION2NOTATIONS3RELATEDWORK3.1Neuralattentionmechanism3.2Graphconvolutionalnetworksonlargegraph3.3Graphconvolutionnet
edwinhaha·2020-06-23 06:36

codechef Far Graphs

codechefFarGraphshttps://www.codechef.com/problems/TBGRAPH题意:给一个简单无向图，要求构造一个序列\(a\)，长度为\(n\)，极差小于等于\(L\)(任意)，使得原图中\(x,y\)相连，当且仅当\(|a_x-a_y|\geL/2\)。要求\(L\le2e9,ai\)互不相等。分析:显然\(L\)越大越好如果有奇环，一定是由一个三元环构成
diaopang1934·2020-06-23 04:30

论文笔记之OddBall: Spotting Anomalies in Weighted Graphs

OddBall:SpottingAnomaliesinWeightedGraphs目标：在带权图中发现异常点几种异常情况：（1）Near-star（上方的是一个toysketch，下方的是在真实数据集的情况）红色节点为异常节点，可以看到它的neighbor节点互相之间的连接非常少（按理说，朋友的朋友有比较多一部分也应该互相是朋友）。（2）Near-clique红色节点为异常节点，它的neighbo
小弦弦喵喵喵·2020-06-22 22:44

2019牛客多校第6场 Androgynos（构造）

其补图为原图的一个映射使得其与原图同构解题思路https://math.stackexchange.com/questions/40745/constructing-self-complementary-graphs
Flyppy_White·2020-06-22 16:25

读书笔记3：Representation Learning on Graphs with Jumping Knowledge Networks

这篇文章针对的点是：现在的graph上的representationlearning的一种方式是neighborhoodaggregation，也就是在每一个节点做卷积时，都是将其周围邻居节点的信息聚合在一起。这样做的话，有k层网络，就是将每个节点的k-hop邻近节点的信息都聚合过来了。但是这种策略并不完美，Kipf&Welling在2017年的一篇关于GCN的论文中展示了，两层的GCN表现效果最
b224618·2020-06-22 15:56

CVPR 2016 Structural-RNN: Deep Learning on Spatio-Temporal Graphs 论文解读

论文:Structural-RNN:DeepLearningonSpatio-TemporalGraphs论文地址:https://arxiv.org/pdf/1511.05298.pdf作者提出一种基于st-graph的RNN混合模型Structural-RNN（S-RNN），该模型特点是捕捉人体与周围环境中物体之间的相关性从而对人物未来的运动对预测。不用于其他模型针对mocap数据集进行学习，
UniSerj·2020-06-22 07:04

Learning Convolutional Neural Networks for Graphs（学习图卷积神经网络）

目录摘要简介2.相关工作背景卷积神经网络图4.学习任意图形的CNNs4.1节点序列的选择4.2邻域的组装（NeighborhoodAssembly）4.3图规范化4.4卷积架构5.复杂性和实施6.实验6.1运行时分析6.2特征可视化6.3图表分类7.结论和未来工作名词解释摘要提出一个学习任意图卷积神经网络的框架简介目标是将卷积神经网络应用于大量基于图的学习问题考虑一下两个问题：1.给定一组图形，学
灬Miracle丶·2020-06-22 04:34

《MolGAN: An implicit generative model for small molecular graphs》了解

这篇论文研究的是化学分子（molecule），把其作为一个无向图看待；原子（atom）作为对应分子图上的一个节点（node），每个原子关联着一个TTT维的独热向量xix_ixi，表示原子的类别。形式化一个分子的表示为：属性矩阵X∈RN×TX\inR^{N\timesT}X∈RN×T和邻接张量A∈RN×N×YA\inR^{N\timesN\timesY}A∈RN×N×Y，第YYY维度用来表示边的类型
NockinOnHeavensDoor·2020-06-22 02:16

Beginer入门：必须了解的有关图深度学习的所有知识

本文的重点是我们如何在图（graphs）上使用深度学习。了解图学习所需的两个先决条件就是名称本身。图论与深度学习。这是您需要了解的所有内容，以了解其本质并为这两个想法建立直觉。图论
MrCharles·2020-06-22 02:09

图卷积网络详细介绍（三）

原文链接：https://towardsdatascience.com/how-to-do-deep-learning-on-graphs-with-graph-convolutional-networks
Javy Wang·2020-06-21 19:35

GCN论文笔记——HopGAT: Hop-aware Supervision Graph Attention Networks for Sparsely Labeled Graphs

【论文笔记】HopGAT:Hop-awareSupervisionGraphAttentionNetworksforSparselyLabeledGraphs作者：纪超杰，王如心等（中国科学院深圳先进技术研究院）摘要由于标记节点代价大，在对稀疏标记图中的节点进行分类的同时又保持预测精度是值得研究的。关键是算法如何从不同跳距（hops）的邻居中学习足够的信息。本研究首先针对节点分类任务提出一种hop
时间迁移·2020-06-21 13:59

GraphSAGE《Inductive Representation Learning on Large Graphs》阅读笔记

GraphSAGE《InductiveRepresentationLearningonLargeGraphs》阅读笔记Task：nodeclassification最近在读GNN的经典文章，网上对这些文章的解读已经非常透彻，本人在阅读文献过程中也学习了各路大神的独到见解，感谢，向你们致敬。在此分享我的阅读心得和热爱。摘要GraphSAGE为解决大多算法在embeddings训练时需要所有nodes
11和hebe·2020-06-21 12:35

Deep Learning on Graphs: A Survey（图的深度学习综述）

目录摘要：1.介绍2.符号和序言3.图递归神经网络3.1节点级RNNs3.2图级别的RNNs4.图卷积网络（GCNs）4.1卷积操作4.1.1光谱法4.1.2效率方面4.1.3多图方面4.1.4框架4.2读取操作4.2.1统计4.2.2层次聚类4.2.3其他4.2.4总结4.3改进与讨论4.3.1注意力机制4.3.2残留和跳跃链接4.3.3边特征4.3.4抽样方法4.3.5归纳设定（推理？）4.3
灬Miracle丶·2020-06-20 23:00

CS224n 深度自然语言处理(四) Note - Backpropagation and computation graphs

本文为笔者学习CS224N所做笔记，所包含内容不限于课程课件和讲义，还包括笔者对机器学习、神经网络的一些理解。所写内容难免有难以理解的地方，甚至可能有错误。如您在阅读中有疑惑或者建议，还望留言指正。笔者不胜感激！在本章中，将着重讨论以下内容：如何更新神经网络参数？以何种形式保存更新结构？搭建和训练神经网络的技巧.梯度和导数上一章提到，应该最小化损失函数。损失函数的参数是神经网络参数，由于梯度的方向
pengwill97·2020-06-05 00:30

《Learning Convolutional Neural Networks for Graphs》论文阅读

首先，容我吐槽一下这篇论文的行文结构、图文匹配程度、真把我搞得晕头转向，好些点全靠我猜测推理作者想干嘛，背景我们知道传统的CNN针对的是image，是欧氏空间squaregrid，那么使用同样squaregrid的卷积核就能对输入的图片进行特征的提取。在上一篇论文中，使用的理论是频域卷积(Spectral-domain)，背后理论有点复杂。这篇文章则从空域卷积(Spatial-domain)角度出
孔胡子·2020-04-20 01:00

Undirected Graphs -- Data structure

UndirectedGraphsaveragedegree:Paste_Image.pngDFS,depthfirstsearchexampletrace:Paste_Image.pngTheoutputis0-2-1-3-5-4.DFSimplementation:Paste_Image.pngPropositionA.DFSmarksalltheverticesconnectedtoagive
奇得隆东枪·2020-04-10 12:12

[翻译]第三章（2）TensorFlow graphs

TensorFlowgraphs(TensorFlow的图)目前为止，我们只将“图”作为Tensorflow中某种抽象的、全方位的存在。甚至没有问过在我们开始编码时操作如何自动附加到图上。现在让我们看一些例子，并关注TensorFlowGraph对象，学习一些例子到如何创建更多的图，如何使用多种图互相结合的例子。创建一个图的例子---图的构造器不需要任何变量：importtensorflowast
斐波那契的数字·2020-04-09 03:13

懂你英语 Level4 Unit2 Part3 Vocabulary - Graphs & Charts

Abargraphusesrectangularbarsofdifferentlengthstoshowandcomparedata.Thelengthsofthebarsareproportionaltothevaluestheyrepresent.Thebarscanbevertical,upanddown,orhorizontal.Acirclegraph,oftencalledapiegr
Noah糯鸭粥·2020-04-04 03:41

Chapter 2.0 TensorBoard 基本教程(GRAPHS,scale，histogram，image）

/*************************************************************2017年7月3日增加tensorboard的histogram的说明**************************************************************/因为网上找的tensorboard教程都是在比较复杂的网络下应用，而且把几个部分
vincehxb·2020-04-04 01:45

论文笔记: Inductive Representation Learning on Large Graphs

前言PATCHY-SAN方法是将图结构的数据，通过一些列的取样和邻居节点的选择，将图结构的数据转化为序列结构的数据。将在欧氏空间表现良好的卷积方法作用于变形后的据图结构数据此篇文章提出GraphSage方法旨在找出适用于图结构类型数据的卷积方法，也就是如何在图结构类型的数据上进行类似于卷积的操作。与结合图中全部节点进行权重更新的MPNN不同。区别于传统的全图卷积，GraphSage利用采样的部分节
饮冰l·2020-04-01 19:22

论文阅读：Image Generation from Scene Graphs

三月末的日子雨淅淅沥沥地下着没想到三月底了我还在家里还没有开学害！希望雨过天晴接下来四月都是好运呀，今天仍是论文阅读记录。论文名称：《ImageGenerationfromSceneGraphs》论文地址：https://arxiv.org/abs/1804.01622项目代码：https://github.com/google/sg2im论文翻译参考：http://www.aibbt.com/a
LiBiscuit·2020-03-31 20:34

#254 准备冲刺野工999

今天下午花了两个小时考完了Networks&Graphs的考试，考完了感觉总体还是挺难的。
钤鱼摆摆·2020-03-31 18:48

Learn How to Perform Feature Extraction from Graphs using DeepWalk

OverviewExtractingfeaturesfromtabularorimagedataisawell-knownconcept–butwhataboutgraphdata?LearnhowtoextractfeaturesfromagraphusingDeepWalk,arobustandscalablemethodWewillalsoimplementDeepWalkinPythont
张博208·2020-03-31 17:29

algorithms-ch3-Decompositions of graphs

3.1GraphsRepresentagraphbyAdjacencymatrix--sparsegraphn=|V|verticesv1,...,vn,thisisann×narraywhose(i,j)thentryisaij(Forundirectedgraphs,thematrixissymmetricsinceanedge{u,v}canbetakenineitherdirection.
暗黑破坏球嘿哈·2020-03-30 07:17

Coloring Flame Graphs: Code Hues

转自：http://www.brendangregg.com/blog/2017-07-30/coloring-flamegraphs-code-type.htmlIrecentlyimprovedflamegraphcodecoloring.Ifyou'reautomatingorimplementingflamegraphs,thisisasmalldetailthatmayinteresty
鲸息_Leon·2020-03-29 19:36

4.2.3 Graphs & Charts ⭐各种图表

Abargraphusesrectangularbarsofdifferentlengthstoshowandcomparedata.Thelengthsofthebarsareproportionaltothevaluestheyrepresent.Thebarscanbevertical,upanddown,orhorizontal.Acirclegraph,oftencalledapiegr
亲爱的末日·2020-03-24 19:16

程序员面试经典chapter4 Trees and Graphs

第一题二叉树平衡检查题目描述：检查二叉树是否平衡，对于任意一个节点来说两个子树的高度差小于1题目给出的函数为classBalance{public:boolisBalance(TreeNode*root){//writecodehere}};遍历方式应该用后序(post-order)先左边再右边最后到根，所以当判断根节点是否平衡的时候就判断下一个depth节点是否平衡，以此类推。用递归的的方式来判
高冰洁·2020-03-18 09:57

IntelliJ IDEA运行Dagger2的simple示例

Google的依赖注入库Dagger2官方源码托管在github,源码附带examples提供了３个示例程序*android-activity-graphs*android-simple*simple前面两个是安卓工程
落码湖·2020-03-07 13:54

tf API 研读3：Building Graphs

tensorflow是通过计算图的方式建立网络。比喻说明：结构：计算图建立的只是一个网络框架。编程时框架中不会出现任何的实际值，所有权重（weight）和偏移是框架中的一部分，初始时要给定初始值才能形成框架，因此需要初始化。比喻：计算图就是一个管道，编写网络就是搭建一个管道结构。在使用前，不会有任何的液体进入管道。我们可以将神将网络的权重和偏移当成管道中的阀门，可以控制液体的流动强弱和方向，在神经
MachineLP·2020-03-04 03:55

GitHub中Graphs和Settings详解

一、Graphs在GitHub中可以通过4种图标查看该仓库的相关统计信息。利用图标直观地汇总信息，可以让用户把握当前仓库的各种趋势。下面我们来了解一下每个图标所包含的信息。
Dunizb·2020-03-02 08:14

Tensorboard 没有显示scalers 和 graphs

问题可以看这里，Tensorboarddoesnotshowanyscalersorgraphs我在这个问题下更新了自己的回答，现在在博客里重新写一遍，方便中文使用者快速检索到。Sameissue,mac10.11,python3.5,TF1.1.0.Solvedbymovingtothespecificdirectory.AfterIrunpythontensorflow-1.1.0/tenso
赤乐君·2020-02-29 03:22

一.HTML简介

超文本标记（标签）语言由各种标签组成，用来制作网页，告诉浏览器该如何显示页面2.作用制作网页，控制网页和内容的显示插入图片、音乐、视频、动画等多媒体phs通过链接来检索信息使用表单获取用户的信息，实现交互graphs3
weixin_46377209·2020-02-28 17:00

Representations of graphs

Thereare2waystodisplayagraph:adjacencylistadjacencymatrixThespaceandtimecomplexityofthematrixaren^2,whichisquitelargeandinefficientforthepractice.Graphsearchingtechniques:BreadthFirstSearch(BFS)DepthF
何大炮·2020-02-17 12:10

论文阅读课3-GraphRel: Modeling Text as Relational Graphs for(实体关系联合抽取，重叠关系，关系之间的关系，自动提取特征）

文章目录abstract1.Introduction2.相关工作3.回顾GCN4.方法4.1第一阶段4.1.1Bi-LSTM4.1.2Bi_GCN4.1.3实体关系抽取4.2第二阶段4.2.1构建关系权图4.3训练4.4inference5.实验5.1settings5.1.1数据集5.2baselineandevaluationmetrics5.3QuantitativeResults5.4细节
叶落叶子·2020-02-14 20:22

TensorFlow从头迈步W2.1--创建图和启动图(附实例Demo)

一、Tensorflow基本概念1.使用图(graphs)来表示计算任务2.在被称之为会话（Session）的上下文中执行图3.使用tensor表示数据4.使用变量(Variable)维护状态(变量是可变的
Andy_1777·2020-02-09 13:23

懂你英语Level4-Unit2-Part3-[3] Vocabulary: Graphs & Charts

1.Abargraphusesrectangularbarsofdifferentlengthstoshowandcomparedata.2.Thelengthsofthebarsareproportionaltothevaluestheyrepresent.3.Thebarscanbevertical,upanddown,orhorizontal.4.Acirclegraph,oftencall
药本无毒·2020-02-09 11:13

codechef Far Graphs

难度\(medium-hard\)题意官方中文题意做法性质\(1)\)：若有奇环，只能是三元环\(2)\)：若无奇环，显然是二部图\(3)\)：若三元环，可分为三部分，分为集合\(X,Y,Z\)，\(Y\)与\(X\)跟\(Z\)有边，\(X\)与\(Y\)之间有边，我们称其为三部图推论1：若为三部图，\(Y\)集均为\(\frac{L}{2}\)，与其相邻的\(X\)为\(0\)，与其相邻的\(
Grice·2020-02-08 12:00

JMeter supports dashboard report generation to get graphs and statistics from a test plan

FromUI:Tool-->GenerateHTMLreportFromCommand-line:GenerationfromanexistingsampleCSVlogfile:jmeter-g-oGenerationafterloadtest:jmeter-n-t-l-e-ohttps://jmeter.apache.org/usermanual/generating-dashboard.ht
张缤分·2020-01-03 14:00

Tensorboard详解（下篇）

1.Tensorflow监控指标可视化除了GRAPHS栏目外，tensorboard还有IMAGES、AUDIO、SCALARS、HISTOGRAMS、DISTRIBUTIONS、FROJECTOR、TEXT
人工智能遇见磐创·2019-12-31 01:27

DEEP LEARNING WITH DYNAMIC COMPUTATION GRAPHS

Neuralnetworksthatcomputeovergraphstructuresareanaturalfitforproblemsinavarietyofdomains,includingnaturallanguage(parsetrees)andcheminformatics(moleculargraphs).However,sincethecomputationgraphhasadif
朱小虎XiaohuZhu·2019-12-26 15:41

复杂性思维第二版 二、图

二、图原文：Chapter2Graphs译者：飞龙协议：CCBY-NC-SA4.0自豪地采用谷歌翻译本书的前三章有关一些模型，它们描述了由组件和组件之间的连接组成的系统。
ApacheCN_飞龙·2019-12-25 03:34

数据结构 —— 数组、栈、队列、链表

列举一些常用的数据结构：数组（Array）栈（Stacks）队列（Queues）链表（LinkedLists）集合（Sets）树（Trees）图（Graphs）哈希表
小赖快跑·2019-12-23 00:15

Tensorboard

GRAPHS构件图，效果图类似流程图一样，我们可以看到数据的
Niling·2019-12-21 22:59

Networkx使用指南

nx.spring_layout美化作用最基本画图程序importimportnetworkxasnx#导入networkx包importmatplotlib.pyplotaspltG=nx.random_graphs.barabasi_albert_graph
Nonstriving·2019-12-21 19:35

【深度学习-2】TensorFlow基础（一）: tensor and operation

我在学习TensorFlow基础的时候，总结了以下2个目标：能够熟练的使用Tensors，Graphs，Operations，Variables，placeholders，Sessions和namescopes
Rapp·2019-12-21 00:06

【项目管理软件】Linux下BitNami Redmine的插件安装与更新

截至2017年3月27日，Redmine-3.3.2-2安装以下的15款插件全部成功并通过测试：1.easy_wbs2.redmine_ckeditor提供所见即所得编辑器3.redmine_graphs
YuiSoong·2019-12-19 07:42
上一页 7 8 9 10 11 12 13 14 下一页
按字母分类： ABCDEFGHIJKLMNOPQRSTUVWXYZ其他