NE&GNN 第20页

DW_图深度学习_Task_1

DW_图深度学习_Task_1学习内容：简单图论与环境配置及PyG库使用学习地址：github/datawhalechina/team-learning-nlp/GNN/学习笔记简单图论内容框架勘误环境配置及

DataVVhale·2022-09-28 07:52

DataWhale组队学习——GNN（1）

DataWhale组队学习——GNN（1）这里是DataWhale社区的21年6月组队学习之图神经网络的相关笔记！

HJHGJGHHG·2022-09-28 07:19

ICLR2022 GNN 图神经网络论文阅读 (二) 泛读 (7-8)

欢迎关注WX公众号，每周发布论文解析：PaperShare,点我关注论文列表目前找了录用的一些有关于Graph或者GNN的文章，先过一遍各个文章的摘要，然后再花时间对觉得比较重要或者有趣的文章进行详细阅读

Bagba·2022-09-25 19:49

AI量化平台策略复现之图神经网络选股策略

Part2研究导读图神经网络（GNN

人工智能曾小健·2022-09-24 11:10

异构图神经网络 RGCN、RGAT、HAN、GNN-FILM + PyG实现

背景ICDM2022:大规模电商图上的风险商品检测，要求在一张异构图上跑点分类，由于是异常检测，正负样本数据集在1比10，记录一下初赛过程。数据过程赛事官方开源了PyG实现的baseline，拿过来直接用于预处理数据了，将图结构进行预处理后得到pt文件，使用pt文件做后续处理：graph=torch.load(dataset)//dataset="xxx.pt"graph[type].x=[num

宇宙飞船冲上月球·2022-09-23 10:58

图神经网络/GNN(三)-基于图神经网络的节点表征学习

本次任务通过GNN来生成节点表征，并通过基于监督学习对GNN的训练，使得GNN学会产生高质量的节点表征。

ATMh__zhang·2022-09-23 10:27

图神经网络/GNN(四)-节点预测与边预测任务实践

Task4概览本次任务主要包括两大块，分别是数据完全存于内存的数据集类、节点/边任务预测的实践。其中前者可将占用内存有限的数据集全部存于内存中，方便实际的运算；同时，在定义好的数据集类的基础上，后者进行了节点预测以及边预测的任务实践。一、数据完全存于内存的数据集类对于占用内存有限的数据集，我们可以将整个数据集的数据都存储到内存里，这样在计算的过程中运算速度会更加快。幸运的是，PyG为我们提供了方便

ATMh__zhang·2022-09-23 10:57

图注意力神经网络(GAT)深度解析--论文+源码

文章目录前言1资源下载链接2论文解析3源码详解(TensorFlow版)3.1图注意力层3.2定义损失、反向传播和训练前言图神经网络(GNN)从大的线路可以划分为频域和空间域。

AJUEJIANGWONIU·2022-09-23 10:51

【图神经网络】 - GNN的几个模型及论文解析（NN4G、GAT、GCN）

GraphAttentionNetwork（GAT）论文信息摘要GAT模型思想GraphConvolutionalNetworks（GCN）论文信息摘要GCN模型思想图神经网络图神经网络（GraphNeuralNetwork，GNN

1 + 1=王·2022-09-23 10:20

【AI周报】英伟达新架构发布，AI芯片上限提升九倍；GNN for Science: 腾讯AI Lab、清华发文：等变图神经网络

01行业大事件英伟达新架构发布，AI芯片上限提升了九倍，20块带宽就等于全球互联网黄仁勋：芯片每代性能都翻倍，而且下个「TensorFlow」级AI工具可是我英伟达出的。每年春天，AI从业者和游戏玩家都会期待英伟达的新发布，今年也不例外。北京时间3月22日晚，新一年度的GTC大会如期召开，英伟达创始人、CEO黄仁勋这次走出了自家厨房，进入元宇宙进行Keynote演讲：「我们已经见证了AI在科学领域

极链AI云·2022-09-23 10:19

Graph Neural Network——图神经网络

本文是跟着李沐老师的论文精度系列进行GNN的学习的，详细链接请见：零基础多图详解图神经网络（GNN/GCN）【论文精读】该论文的标题为《AGentleIntroductiontoGraphNeuralNetworks

FavoriteStar·2022-09-19 07:59

综述 | GNN金融风控领域业界进展调研

来自：程序媛驿站前言：本文重点：工业界金融欺诈风控领域上GNN的应用及进展注：本文仅针对可用「深度图神经网络解决」的-「金融风控」相关的任务论文「除深度图神经网络之外，业界常用经典图算法」&「除金融欺诈风控领域之外

zenRRan·2022-09-13 00:42

GNN（图神经网络）在反欺诈领域的落地

今天的博客主要参考了《HeterogeneousGraphNeuralNetworksforMaliciousAccountDetection》和《GeniePath:GraphNeuralNetworkswithAdaptiveReceptivePaths》，都来自阿里的蚂蚁金服团队，都使用了当下最流行的GraphNeuralNetwork的相关知识。其实有关GCN的相关基础知识在网上都查的到，

guoyuhaoaaa·2022-09-13 00:07

用于文本图表示学习的GNN嵌套Transformer模型：GraphFormers

本期AITIMEPhD直播间，我们邀请到微软亚洲研究院与中国科学技术大学联合培养在读博士生——杨俊涵，为我们带来报告分享《用于文本图表示学习的GNN嵌套Transformer模型：GraphFormers

AITIME论道·2022-09-13 00:50

【GNN报告】ICT敖翔：图机器学习应对金融欺诈对抗攻击

目录1、简介2、图机器学习应对金融欺诈对抗攻击背景图机器学习识别金融欺诈挑战挑战1-类别不平衡的解决挑战2-标签不可信的解决挑战3-分布有漂移的解决图机器学习应对欺诈对抗攻击从数据角度出发从攻击者角度出发（倾向于添加异构边）总结展望问答3、参考1、简介报告主题图机器学习应对金融欺诈对抗攻击报告嘉宾敖翔（中国科学院计算技术研究所）报告摘要近年来，图机器学习方法由于其强大的关联特征提取能力，在数字金融

静静喜欢大白·2022-09-13 00:19

详解图信号处理与图卷积神经网络

前言本文参考–深入浅出图神经网络GNN原理解析一书图信号处理图信号处理（GraphSignalProcessing，GSP）是离散信号处理（DiscreteSignalProcessing，DSP）理论在图信号领域的应用

饮冰l·2022-09-08 04:03

浅谈GCN

文章目录一：GCN与GNN的区别二：GCN原理Step1:求图模型的邻接矩阵和度矩阵Step2：进行特征计算①邻接矩阵的改变②度矩阵的改变③Attention机制Step3：训练参数www的加权Step4

江南綿雨·2022-09-05 18:11

GNN的理解与研究

文章目录一：初识GNN1.什么是GNN2.GNN与CNN、RNN的区别3.GNN的应用领域二：GNN原理1.邻接矩阵2.聚合操作3.多层迭代一：初识GNN1.什么是GNN图（Graph）在讨论GNN之前

江南綿雨·2022-09-05 18:22

GIN：图同构网络

论文链接：https://arxiv.org/abs/1810.00826论文来源：ICLR2019一、概述目前的GNN框架大多遵循递归邻域聚合（或者消息传递）框架，并且已经出现各种GNN变种。

酷酷的群·2022-08-31 19:28

图神经网络和常见的神经网络的区别

GNN-GraphNeuralNetworks0前言1图神经网络和以往深度学习的区别2图神经网络的特点参考知乎：https://zhuanlan.zhihu.com/p/1365216250前言图神经网络有很多比较好的综述

佐佑思维·2022-08-30 07:30

图神经网络（一）：综述

文章目录1.背景介绍1）图简介2）图神经网络简介2.GNN的通用设计流程1)查找图结构2）明确图类型和规模3）设计损失函数4）构造模型3.计算模块的实例化3.1传播模块——卷积算子（convolutionoperator

J_Xiong0117·2022-08-30 07:22

终于有人总结了图神经网络！

来源：Datawhale本文约6000字，建议阅读10+分钟本文从一个更直观的角度对当前经典流行的GNN网络，包括GCN、GraphSAGE、GAT、GAE以及graphpooling策略DiffPool

数据派THU·2022-08-30 07:51

图神经网络的介绍

近年来，深度学习领域关于图神经网络（GraphNeuralNetworks，GNN）的研究热情日益高涨，图神经网络已经成为各大深度学习顶会的研究热点。

抓起的第一个娃娃·2022-08-30 07:13

去伪存真：因果约束下的图神经网络泛化

写在篇首图神经网络（GNN）是在各种图数据应用上强有力的深度学习算法。其基本学习范式可以归纳为：在训练节点或图上训练图神经网络参数，然后利用训练好的图神经网络预测节点或者图的标签。

PaperWeekly·2022-08-30 07:06

小白入门：一文了解推荐系统中的图神经网络

引言：近年来，GNN技术由于其在图数据学习方面的出色表现，在许多领域得到了广泛的应用。在推荐系统中，大部分信息本质上具有图结构，而由于GNN对于表示学习具有一定的优势，所以GNN在推荐系

文文学霸·2022-08-30 07:35

ICCAD'21 | GNN用于IC设计早期的预测

背景现代物理设计通常分为五个主要步骤：布图规划FloorPlan布局Placement时钟树综合CTS布线Route设计优化布局Placement和布线Routing超大规模集成电路（VLSI）物理设计（PhysicalDesign）是指将电路网表（Netlist）（逻辑和连接关系）转换为几何表示（标准单元和金属线）的综合步骤。产生的几何表示，也称为版图（Layout），用于设计掩膜（Mask），

电车上那个cll呀·2022-08-24 17:42

实践 | 基于循环神经网络实现情感分类

RNNGNN与RNN对比实践介绍一、环境设置二、数据准备2.1参数设置2.2对齐数据2.3用Dataset与DataLoader加载三、模型配置四、模型训练五、模型评估六、模型预测GNN与RNN对比先进行一波拉踩全连接神经网络存在的问题

大数据界Olu·2022-08-21 07:35

算法手记整理

局部异常因子7、louvain_社区挖掘8、one-classSVM9、PCA+DBSCAN10、SimHash11、编辑距离12、分词工具13、孤立森林14、局部敏感哈希15、局部敏感16、时序异常检测17、GNN

明日韭菜·2022-08-17 07:28

机器学习笔记（李宏毅 2021/2022）——第四节：self-attention

toro180·2022-08-12 07:16

【GNN图神经网络】理解图特征之聚类系数（Clustering coefficient）

研究聚类系数的目的和意义描述一个图中的某节点与其相连节点之间聚集成团的程度的一个系数。聚类系数的目标是比较群组的聚合紧密程度与其能够达到的聚合紧密程度。一个节点的局部聚类系数体现的是其邻节点也相互连通的可能性。聚类系数的研究范围是无向图。对于我的研究意义：在地理位置的定位分析过程中，需要考虑不同坐标之间的聚集程度，那么聚类系数就是一个很基础且很重要的图指标。方法基础：三角形计数计算公式CC(u)=

Mr.zwX·2022-08-12 07:39

【MindSpore易点通】MindSpore实践图神经网络01开篇

CV里的图像数据（左）和GNN中图数据（右）欧式空间中的卷积操作实际上是用固定大小可学习的卷积核来抽取像素的特征而图上邻居结点不固定，所以传统的卷积核不能直接用于抽取图上

·2022-08-11 17:30

论文解读（soft-mask GNN）《Soft-mask: Adaptive Substructure Extractions for Graph Neural Networks》

论文信息论文标题：Soft-mask:AdaptiveSubstructureExtractionsforGraphNeuralNetworks论文作者：MingqiYang,YanmingShen,HengQi,BaocaiYin论文来源：2021,WWW论文地址：

关注我更新论文解读·2022-08-08 15:00

用于毫米波雷达的GNN：Radar-PointGNN

文章提出了一种基于GNN与毫米波数据的3D目标检测方法，算法流程如上图所示，符合基本的GNN流程论文地址：https://ieeexplore.ieee.org/document/9455172关于GNN

naca yu·2022-08-06 07:33

使用DGL构建自己的GNN模型

GraphSAGE本节开始前加入你已经掌握了节点分类操作先导包importdglimporttorchimporttorch.nnasnnimporttorch.nn.functionalasF消息传递机制（这是GNN

super_Racin·2022-07-31 07:08

Daily Plan

是否可以将该改进方式加入到我们的模型中；3.GNN课程学习；4.python数据分析学习；2021-11-4科学院正式上班第一天1.看老师修改后的论文；2.看IMOPSO的收敛性证明；3.开始写自己的收敛性证明部分

爱啊岛呀~·2022-07-31 07:30

GNN学习笔记（四）：图注意力神经网络（GAT）节点分类任务实现

目录0引言1、Cora数据集2、citeseer数据集3、Pubmed数据集4、DBLP数据集5、Tox21数据集6、代码嘚嘚嘚，唠叨小主，闪亮登场，哈哈，过时了过时了，闪亮登场换成大驾光临，哈哈，这样才颇有气势，哼哼...（唠叨小主哼哼了两声，对新改的词表示满意，微拉裙侧，留下了高跟鞋的声音...）0引言近年来，人们对深度学习方法在图上的扩展越来越感兴趣。在多方因素的成功推动下，研究人员借鉴了卷

唠叨小主·2022-07-29 07:28

PyG利用MessagePassing搭建GCN实现节点分类

MessagePassing3.GCN3.1message3.2aggregate3.3update3.4propagate4.GCN模型搭建4.1模型训练4.2模型测试5.完整代码前言PyG和DGL是GNN

Cyril_KI·2022-07-29 07:55

NAACL 2021 | QA-GNN：基于语言模型和知识图谱的问答推理

©PaperWeekly原创·作者｜刘兴贤学校｜北京邮电大学硕士生研究方向｜自然语言处理论文标题：QA-GNN:ReasoningwithLanguageModelsandKnowledgeGraphsforQuestionAnswering

PaperWeekly·2022-07-22 07:09

深度学习-图神经网络总结

城阙·2022-07-18 07:27

【GNN笔记】GAT(五)

视频链接：【图神经网络】GNN从入门到精通GNN中三种基础神经网络：GCN,GraphSAGE,GAT文章目录一、GAT定义案例二、多头注意力机制三、图网络的应用四、代码目录四、GAT的断点解析五、train

panbaoran913·2022-07-17 07:45

2022图机器学习必读的11大研究趋势和方向: 微分方程/子图表示/图谱理论/非对称/动态性/鲁棒性/通用性/强化学习/图量子等...

微分几何和同源场为机器学习研究引入了新的思想，包括利用了对称性和类似于图中的曲率的新等变图神经网络（GNN）架构，以及在深度学习模型中理解和利用不确定性。消息传递仍然是GNN的主导范式。

人工智能学家·2022-07-15 07:19

一文详解图神经网络(一)

一.GNN原理介绍1.1GNN简介与优势图(Graph)是一种数据结构，常见的图结构模式包含图的节点(node)和边(edge)，其中边包含实体之间的关系(relationship)信息传统的机器学习所用到的数据是欧氏空间

晓柒NLP与药物设计·2022-07-12 13:22

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

内容：从理论上证明了邻域聚合（或称消息传递）的GNN变体的表达能力的严格上限（WL同构检验），同时设计

sanananana·2022-07-12 08:13

零基础多图详解图神经网络（GNN/GCN）【论文精读】

视频链接：零基础多图详解图神经网络（GNN/GCN）【论文精读】-哔哩哔哩(bilibili.com)博客链接：AGentleIntroductiontoGraphNeuralNetworks(distill.pub

MT_Joy·2022-07-12 08:41

什么是图神经网络 (GNN)？

图神经网络（GNN）

极客小普冲呀·2022-07-12 08:39

图神经网络（GNN）的基本原理

目录前言1.数据2.变量定义3.GNN算法3.1Forward3.2Backward4.总结与展望前言本文结合一个具体的无向图来对最简单的一种GNN进行推导。

Cyril_KI·2022-07-12 08:08

干货！Labeling Trick: 一个图神经网络多节点表示学习理论

GNN旨在学习单节点表示。当我们想要学习一个涉及多个节点的节点集表示（如链路表示）时，以往工作中的一个常见做法是将GNN学习到的多个单节点表示直接聚合成节点集的联合表示。

AITIME论道·2022-07-12 08:07

【GNN报告】北京大学张牧涵：谱图神经网络有多强大？

大量知名的GNN可以归入谱GNN，比如ChebyNet、GCN、和BernNet，但是对谱GNN表达能力的分析一直相对欠缺。我们首先将谱

静静喜欢大白·2022-07-12 08:37

性能提升19倍，DGL重大更新支持亿级规模图神经网络训练

在过去的几个版本的更新中，DGL主要注重框架的易用性，比如怎样设计一系列灵活易用的接口，如何便于大家实现各式各样的图神经网络（GNN）模型，以及怎样和主流深度学习框架（如PyT

喜欢打酱油的老鸟·2022-07-11 07:15

【Pytorch神经网络理论篇】 27 图神经网络DGL库：简介+安装+卸载+数据集+PYG库+NetWorkx库

1DGL库1.1DGL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。1.1.1DGL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。

LiBiGo·2022-07-11 07:36

推荐频道

NE&GNN