- 博客(3)
- 收藏
- 关注
原创 《Geometric Deep Learning学习笔记》第三篇,GCN的空间域理解,Message Passing以及其含义
GCN的空间域理解,Message Passing以及其含义 5/20, '19 FesianXu前言在上一篇文章中[1],我们介绍了Graph Convolution Network的推导以及背后的思路等,但是,其实我们会发现,在傅立叶域上定义出来的GCN操作,其实也可以在空间域上进行理解,其就是所谓的消息传递机制,我们在本篇文章将会接着[1],继续介绍Message Passing机...
2019-05-19 23:10:07 6337 14
原创 《Geometric Deep Learning学习笔记》第二篇, 在Graph上定义卷积操作,图卷积网络
前言我们曾在[1]中探讨了欧几里德结构数据(如图像,音视频,文本等)和非欧几里德结构数据(如Graph和Manifold等)之间的不同点,在本文中,我们探讨如何在非欧几里德数据,特别是Graph数据上定义出卷积操作,以便于实现深度神经学习。如有谬误,请联系指正。转载请注明出处。联系方式:e-mail: FesianXu@163.comQQ: 973926198github: https...
2019-05-19 21:55:04 4171
原创 一文理清卡尔曼滤波,从传感器数据融合开始谈起
一文理清卡尔曼滤波,从传感器数据融合开始谈起 5/19,'19 FesianXu前言最近在一个项目中接触到了卡尔曼滤波,并且对此进行了学习,发现其是一个很有意思的信息融合的算法,可以结合多种传感器的信息(存在噪声),得到更为理想的估计,因此在此进行笔记和心得纪录。本人不是从事控制相关专业工作,可能在短暂的自学过程中对此存在误解,若有谬误,望联系指出,谢谢。(文章主要参考...
2019-05-19 10:50:29 7327 9
空空如也
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人