【GCN】SEMI-SUPERVISED CLASSIFICATION WITH GRAPH CONVOLUTIONAL NETWORKS

最新推荐文章于 2022-08-29 14:30:07 发布

那年素颜

最新推荐文章于 2022-08-29 14:30:07 发布

阅读量705

点赞数 1

分类专栏：论文阅读

本文链接：https://blog.csdn.net/NaNianSuYan/article/details/89530978

版权

论文阅读专栏收录该内容

1 篇文章 0 订阅

订阅专栏

阅读论文时查找到的一些觉得有用的资料，整理收集，方便以后参考。

论文地址： Semi-Supervised Classification with Graph Convolutional Networks

1：CNN与GCN的联系与区别

知乎地址：从CNN到GCN的联系与区别——GCN从入门到精（fang）通（qi）

简书：浅析图卷积神经网络

2：论文原理翻译前3章：图卷积神经网络的半监督学习

3：论文理解：SEMI-SUPERVISED CLASSIFICATION WITH GRAPH CONVOLUTIONAL NETWORKS个人理解

确定要放弃本次机会？

福利倒计时

: :

立减 ¥

普通VIP年卡可用

立即使用

那年素颜

关注关注

1
点赞
踩
3

收藏

觉得还不错? 一键收藏
0
评论
复制链接

分享到 QQ

分享到新浪微博

扫一扫

专栏目录

【[GCN]semi-supervised classification with graph convolutional networks】

weixin_45840199的博客

02-10

725

提出了一种可扩展的图结构数据的半监督学习方法，该方法基于直接在图上操作的卷积神经网络的有效变体。通过光谱图卷积的局部一阶近似来激发我们的卷积体系结构的选择。我们的模型在图边的数量上呈线性扩展，并学习编码局部图结构和节点特征的隐藏层表示。在引文网络和知识图数据集上的许多实验中，我们证明了我们的方法显著优于相关方法。

GCN代码详解（SEMI-SUPERVISED CLASSIFICATION WITH GRAPH CONVOLUTIONAL NETWORKS（2017ICLR））

jkokj23153的博客

09-15

1929

这里给的代码链接是用PyTorch实现的，原始论文中的代码是用Tensorflow实现的，有兴趣的可以自己玩

参与评论您还未登录，请先登录后发表或查看评论

Semi-supervised Classification with Graph Convolutional Networks

tszupup的博客

04-20

845

今天准备在所里分享的文章，GCN的提出论文，2017年发表在ICLR上，目前（截止到2019/4/20）在谷歌学术上被引用了近1000次。 ...

Semi-Supervised Classification with Graph Convolutional Networks

我爱写报告的博客

05-20

442

解决的问题我们提出了一个稳定的方法来半监督地学习图结构的数据，这种方法基于一种卷积网络的变体，是将卷积网络直接作用在图上。我们是基于对一种谱图卷积的一阶近似选择的这种卷积结构。我们的模型能够学到既可以编码局部的图结构也可以编码节点特征的隐藏层表示。在引文网络和知识图谱数据集上进行的一系列实验表明，我们的方法跟类似方法相比有显著的提升。问题形式化本文考虑的是对图上的节点进行分类，而图中只有一小部分节点有标签。这类问题可以被形式化为基于图的半监督学习，其中标签信息通过一些显式的基于图的正则来进行平滑，例如

【图卷积网络】Semi-Supervised Classification with Graph Convolutional Networks

扬帆·启航

03-16

2925

将卷积扩展到图结构的数据中，能够得到比较好的数据表示，并且在半监督任务中也取得了不错的效果。

Semi-Supervised Classification With Graph Convolutional Networks

I‘m Frank Lee

11-09

3361

图卷积网络的半监督分类提升了图卷积的性能，使用切比雪夫多项式的1阶近似完成了高效的图卷积架构。原文链接：Semi-Supervised Classification with Graph Convolutional Networks. Kipf & Welling 2017 一开始就提出， 2Fast Approximate Convolutions On Graphs 介绍基...

[GCN] 代码解析 of GitHub：Semi-supervised classification with graph convolutional networks

01-21

本文解析的代码是论文Semi-Supervised Classification with Graph Convolutional Networks作者提供的实现代码。原GitHub：Graph Convolutional Networks in PyTorch 本人增加结果可视化 (使用 t-SNE 算法) 的GitHub...

semi -supervised classification with graph convolutional networks学习必记

01-07

当K=1 时有两个参数,模型scales linearly in the number of graph edges ,同时可以表征局部图结构和节点的特征： 3. 半监度节点分类模型本文模型优缺点 WlW^lWl在各个顶点共享，与顶点个数无关，可以用于大...

【GCN】论文浅读：SEMI-SUPERVISED CLASSIFICATION WITH GRAPH CONVOLUTIONAL NETWORKS

没有胡子的猫Asimov

11-12

591

title: GCN cover: https://gitee.com/Asimok/picgo/raw/master/img/MacBookPro/20201112141842.jpg GCN GCN：图卷积网络 SEMI-SUPERVISED CLASSIFICATION WITH GRAPH CONVOLUTIONAL NETWORKS：基于图卷积网络的半监督分类任务在图结构数据中，一部节点已知标签，剩下的节点标签未知，使用已知标签的节点训练卷积神经网络，使用网络模型对无标签的节点进行分.

【GCN】论文笔记：SEMI-SUPERVISED CLASSIFICATION WITH GRAPH CONVOLUTIONAL NETWORKS

热门推荐

夏至是个程序媛

11-29

4万+

本文为论文SEMI-SUPERVISED CLASSIFICATION WITH GRAPH CONVOLUTIONAL NETWORKS的阅读笔记. 文章目录SEMI-SUPERVISED CLASSIFICATION WITH GRAPH CONVOLUTIONAL NETWORKS基于图卷积网络的半监督分类摘要一、INTRODUCTION二、Graph中的快速卷积2.1 谱图卷积第一种卷积...

SEMI-SUPERVISED CLASSIFICATION WITH GRAPH CONVOLUTIONAL NETWORKS

abrams90的专栏

12-02

983

Abstract 本文提出了一种基于卷积神经网络的可扩展半监督学习方法，该方法可以直接对图进行学习。我们通过图卷积的局部一阶近似来进行卷积结构的选择。我们的模型在图边缘数量上线性扩展，并且学习了编码局部图结构和节点特征的隐层表示。在引用的网络和知识图数据集上的大量实验表明，我们的方法比相关方法有显著的优势。 1、Introduction 我们考虑在图(如引用网...

【论文阅读】Semi-supervised classification with graph convolutional networks

weixin_53563701的博客

08-29

1094

这里是GCN图神经网络论文的阅读笔记、学习过程中有帮助的一些链接等

GCN--SEMI-SUPERVISED CLASSIFICATION WITH GRAPH CONVOLUTIONAL NETWORKS

travalscx的博客

12-05

681

图卷积有谱卷积和空间域的卷积，这篇论文是谱卷积。此篇论文的入门：https://tkipf.github.io/graph-convolutional-networks/ 耐心看，收获很大。这篇论文是谱卷积其实就是将傅立叶的图滤波一步步推成神经网络。推导的过程参考原文，或者一个博客：https://blog.csdn.net/chensi1995/article/details/772320...

翻译--SEMI-SUPERVISED CLASSIFICATION WITH GRAPH CONVOLUTIONAL NETWORKS

w986284086的博客

05-10

1万+

SEMI-SUPERVISED CLASSIFICATION WITH GRAPH CONVOLUTIONAL NETWORKS 图卷积神经网络的半监督学习原文连接: Semi-Supervised Classification with Graph Convolutional Networks 0. 摘要 We present a scalable approach for s...

[解读] Semi-Supervised Classification with Graph Convolutional Networks

天在那边

06-06

574

作者受到谱图卷积的局部一阶近似的启发, 提出一种可扩展的图卷积网络, 可用于具有图结构数据的半监督学习. 论文链接: https://arxiv.org/abs/1609.02907v4 相关工作本文考虑节点分类的半监督问题, 即所有节点中只有一部分的标签是已知的. (Zhu et al., 2003; Zhou et al., 2004; Belkin et al.,2006; Weston et al., 2012) 等提出的方法, 标签信息通过某种显式的正则化基于图的正则化项来表达, 并且标签信

paper reading：[renormalization]Semi-supervised Classification with Graph Convolutional Networks

真理无穷，进一步有进一步的欢喜

02-08

930

paper reading：[Renormalization Trick] Semi-supervised classification with graph convolutional networks 文章目录paper reading：[Renormalization Trick] Semi-supervised classification with graph convolutional...

SEMI-SUPERVISED CLASSIFICATION WITH GRAPH CONVOLUTIONAL NETWORKS学习笔记

qq_44569072的博客

08-15

485

图卷积的理论基础理论参考 GCN基于频域的方法，空域方法见graphsage 图拉普拉斯矩阵定义：L = D - A 对称L的标准化：L=D−1/2LD−1/2L=D^{-1/2}LD^{-1/2}L=D−1/2LD−1/2 非对称L的标准化：L=D−1LL=D^{-1}LL=D−1L 傅里叶变换傅里叶卷积傅里叶卷积可以表示为： f∗g=F−1{F{f}⋅F{g}}f*g=F^{-1}\l...

【论文】Semi-Supervised Classification with Graph Convolutional Networks

安静

02-27

659

Semi-Supervised Classification with Graph Convolutional Networks1 Introduction2 Fast Approximate Convolutions on Graphs2.1 Spectral Graph Convolutions2.2 Layer-Wise Linear Model3 Semi-Supervised Node ...