![](https://img-blog.csdnimg.cn/20201014180756927.png?x-oss-process=image/resize,m_fixed,h_64,w_64)
深度学习
文章平均质量分 85
kisssfish
这个作者很懒,什么都没留下…
展开
-
跳出公式,看清全局,图神经网络(GCN)原理详解
本文转载自公众号:SimpleAI。图的结构一般来说是十分不规则的,可以认为是无限维的一种数据,所以它没有平移不变性。每一个节点的周围结构可能都是独一无二的,这种结构的数据,就让传统的CNN、RNN瞬间失效。所以很多学者从上个世纪就开始研究怎么处理这类数据了。这里涌现出了很多方法,例如GNN、DeepWalk、node2vec等等,GCN只是其中一种。GCN,图卷积神经网络,实际上跟CNN的作用一样,就是一个特征提取器,只不过它的对象是图数据。GCN精妙地设计了一种从图数据中提取特征的方法,从而让我转载 2022-03-09 10:21:09 · 1087 阅读 · 0 评论 -
RNN与LSTM入门学习
循环神经网络 RNN(recurrent neural network)特点:RNN对具有序列特性的数据非常有效 能挖掘数据中的时许信息及语义信息 序列特性:符合时间顺序、逻辑顺序或其他顺序的。如:人的语言、语音、股票结构:如果先不看W,展开,图就变成了 全连接神经网络结构:X是某个字或词的特征向量,作为输入层。上图是三维向量U是输入层到隐藏层的参数矩阵。上图其维度是3x4S是隐藏层的向量。上图维度是4V是隐藏层到输出层的参数矩阵。上图是4x2O是...原创 2021-04-20 16:36:52 · 313 阅读 · 0 评论