![](https://img-blog.csdnimg.cn/20201014180756922.png?x-oss-process=image/resize,m_fixed,h_64,w_64)
GNN
文章平均质量分 91
飞花穿庭
这个作者很懒,什么都没留下…
展开
-
Variational Graph Auto-Encoders论文笔记
Variational Graph Auto-Encoders论文链接原理Inference model论文链接原理本质上也是autoencoder。文章中的Inference model部分本质上就是autoencoder的encoder部分,而Generative model部分本质上就是decoder部分。Inference model这一部分采用的是一个两层的GCN,用公式表达即:GCN(X,A)=A~ReLU(A~XW0)W1 GCN(X,A) = \tilde A ReLU (\t原创 2021-11-11 14:58:45 · 673 阅读 · 0 评论 -
Adversarially Regularized Graph Autoencoder for Graph Embedding论文笔记
Adversarially Regularized Graph Autoencoder for Graph Embedding论文链接总结网络EncoderDecoderDiscriminator原理损失论文链接总结这篇文章将GAN(生成对抗网络)加入到了GAT中,根据base-encoder的不同,提出了adversarially regularized graph autoen-coder(ARGA) 和adversarially regularized vari-ational graph原创 2021-11-11 19:59:44 · 1293 阅读 · 0 评论 -
Graph Contrastive Clustering论文笔记
Graph Contrastive Clustering论文链接总结零碎知识网络架构图的构成knn计算RGC部分损失AGC部分损失正则化损失总损失论文链接总结这篇文章将对比学习运用到图神经网络上,并且将“正样本”的概念拓展到了原样本的邻居之间。零碎知识深度聚类主要分为两类,一类是基于重构的方法,一类是基于自增广的方法。前者使用autoencoder对子空间的向量表达进行约束,使其对聚类更为友好;后者利用原图像和该图像经转换后的图像(transformed image)之间的相似性,来训练模型。网原创 2021-12-07 01:47:57 · 430 阅读 · 0 评论 -
Diffusion-Convolutional Neural Networks论文笔记
Diffusion-Convolutional Neural Networks论文笔记Core这篇文章提出了hop的概念,使一个节点能够关注到与它距离更远的节点,而不仅限于一阶邻居。网络介绍这篇论文主要针对三种分类任务。1. 节点分类1.1 输入输入为两个矩阵,分别为矩阵P和矩阵X。X为图的特征矩阵(N*F),P则是多个类似于邻接矩阵的矩阵叠加而成,也是本篇论文的核心‘hop’。对于网络而言,hop是一个超参,当hop=1时,则P就代表着邻接矩阵;当hop=2时,P代表着邻接矩阵加上与该节原创 2021-11-03 22:09:36 · 288 阅读 · 0 评论 -
Learning Convolutional Neural Networks for Graphs论文笔记
Learning Convolutional Neural Networks for Graphs原创 2021-11-04 08:56:46 · 136 阅读 · 0 评论