- 博客(3)
- 收藏
- 关注
RSS订阅原创 《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