![](https://img-blog.csdnimg.cn/20201014180756926.png?x-oss-process=image/resize,m_fixed,h_64,w_64)
笔记
文章平均质量分 64
better_zoe_chang
千里之外,始于足下
展开
-
异质图论文阅读
1 《Beyond Homophily in Graph Neural Networks: Current Limitations and Effective Designs》 1.1 Contributions (1)三个理论证明,最重要的证明了GCN处理异质图的缺陷; (2)提出了不同hop和不同iterations的特征拼接有助于提高模型准确性; 1.2 Benchmark synthematic dataset、Texas、Wisconsin、Actor、Squirrel、Chameleon、Co原创 2021-06-17 22:23:36 · 1060 阅读 · 0 评论 -
阅读论文1:《How Powerful Are Graph Neural Networks?》
图神经网络学习笔记(一):《How Powerful Are Graph Neural Networks?》 一、 论文中定理简介 Definition 1 (Multiset) A multiset is a generalized concept of a set that allows multiple instances for its elements. More 你好! 这是你第一次使用 Markdown编辑器 所展示的欢迎页。如果你想学习如何使用Markdown编辑器, 可以仔细阅读这篇文章,原创 2020-11-02 20:45:14 · 260 阅读 · 0 评论 -
《Learning Discrete Representation via Information Maximizing Self-Augmented Training》
作者提出Self- Augmented Training(SAT)学习一个invariance for applications of interest 的表示; RIM(Regularised INformation Maximization)与SAT结合生成本文的模型IMSAT; 一些具有代表性的聚类方法:K-Means,hashing,Gaussian mixture model clustering,iterative quantization,minimal-loss hashing,这些方法的.原创 2021-03-21 10:53:03 · 539 阅读 · 0 评论 -
时间序列预测模型ARMA、ARIMA整理,结合statsmodel python代码分析
1.21 学习笔记 时光荏苒,一去三年,为毛学的时间序列忘的一干二净??? 一、基础回顾 1、白噪声 满足以下三个条件的过程称为白噪声过程: E(ϵt)=0(1)E(\epsilon_{t})=0\tag{1}E(ϵt)=0(1) E(ϵt2)=σ2(2)E(\epsilon_t^2)=\sigma^2 \tag{2}E(ϵt2)=σ2(2) E(ϵtϵτ)=0,t≠τ(3)E(\epsilon_t\epsilon_{\tau})=0, t\not=\tau \tag{3} E(ϵtϵτ)=0,t原创 2021-01-21 22:16:50 · 1041 阅读 · 0 评论