![](https://img-blog.csdnimg.cn/20201014180756926.png?x-oss-process=image/resize,m_fixed,h_64,w_64)
图神经网络
文章平均质量分 88
认认真真学习
勤勤恳恳学习,认认真真记录。
展开
-
Learning to Represent the Evolution of Dynamic Graphs withRecurrent Models
摘要学习图的拓扑结构外,还关注于学习时间信息。提出了一种动态图的无监督表示学习体系结构,旨在学习随时间演化的图的拓扑和时间特征。该方法由嵌入门控图神经网络(GGNNs)和长短时记忆网络(LSTM)的序列-序列编解码器模型组成。GGNN能够在每个时间步学习图的拓扑结构,而LSTM则用于在时间步之间传播时间信息。此外,编码器学习进化图的时间动态,解码器使用编码器提供的编码表示在相同的时间段重建动态。相关工作静态图动态图节点的表示学习。37-32-16-15-42-5-38问题定义动态原创 2021-09-16 21:43:04 · 364 阅读 · 0 评论 -
Dynamic Graph Convolutional Networks. Pattern recognition 2019
摘要我们的目标是通过使用神经网络模型来联合开发结构化数据和时间信息。基于这个原因,我们提出了两种新的方法,将长-短期记忆网络和图卷积网络结合起来,结合图结构来学习长-短期依赖关系。介绍balabalbala....,许多真实世界的结构化数据是动态的,并且图中的节点/边可能会随着时间而变化。在这种动态场景中,时间信息也可以发挥重要作用。LSTM和GCN简介。本文的组织结构如下:第2节总结了最相关的方法。在第3节中,我们描述了我们的方法。第4节介绍了与基准方法的比较。第5节通过讨论我们的发现原创 2021-09-16 11:12:45 · 723 阅读 · 0 评论 -
Foundations and modelling of dynamic networks using Dynamic Graph Neural Networks: A survey.
摘要目的是提供一篇综述,以揭开动态网络的神秘面纱,介绍动态图神经网络(DGNNs)。(i)一个全面的动态网络分类,(ii)一个动态图神经网络的调查,(iii)一个动态图神经网络如何用于动态链接预测的概述。简介动态网络探讨链接的不同定义,并介绍一种新的动态网络分类法。我们还简要概述了动态网络模型样貌,该样貌将调查的其余部分结合起来。动态网络是随时间变化的复杂网络,其中的链接和节点可能会出现或消失。数学定义:将V= {(v, ts, te)}和E= {(u, v, ts, te)}都原创 2021-09-14 20:05:17 · 605 阅读 · 0 评论 -
Graph Neural Network for Traffic Forecasting: A Survey
Jiang W , Luo J . Graph Neural Network for Traffic Forecasting: A Survey[J]. 2021.(PDF百度就有)摘要这篇综述回顾了使用不同图形神经网络的快速增长的研究主体,且是第一篇综合性的调查,探讨了图形神经网络在交通预测问题中的应用。简介简而言之,GNN可以比较好的解决交通问题。这篇文章确定了最常考虑的问题、图形公式和模型,还调查和总结了公共可用的有用资源,包括数据集、软件和开源代码,用于基于GNN的交通...原创 2021-08-25 23:50:52 · 974 阅读 · 0 评论