GNN图神经网络

最新推荐文章于 2024-05-09 11:44:42 发布
最新推荐文章于 2024-05-09 11:44:42 发布
阅读量150 收藏
点赞数
分类专栏： 图神经网络 文章标签： 神经网络
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/m0_47163076/article/details/109247483
版权

GNN图神经网络

b站台大视频教程

视频中的截图在这里插入图片描述

几种图神经网络介绍

1,NN4G
NN4G
在这里插入图片描述
2,DCNN
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述
3,DCNN
在这里插入图片描述
4,MoNET
在这里插入图片描述
5,GraphSAVE
6,GAT
7,GIN
这几个就都没有看
chebnet
GCN

GNN有liberary:deepgraphlibrary

也可以参考这里

https://blog.csdn.net/qq_34911465/article/details/88524599#:~:text=GNN%E6%98%AFGraph%20Neural%20Network,%E6%AC%A7%E5%87%A0%E9%87%8C%E5%BE%97%E6%95%B0%E6%8D%AE%E3%80%82

【图神经网络论文整理】（十）—— How Powerful are Graph Neural Networks?：GIN
CSDN 精品推荐
11-28 739
目前很多GNNs不断被提出，大多是采用邻居聚合和图级池化的方法，虽然这些GNN模型在节点分类、边预测和图分类等许多任务上都取得了不错的性能，但是新型的GNN的设计大多是基于经验直觉、启发式和实验试错，因此它们对GNNs的性质和局限性的理论认识较少，对GNNs表征能力的形式化分析有限。其中第一个式子就是聚合函数，用于集合给定节点的邻居的特征向量，第二个式子就是将第一步聚合后的特征向量与该中心节点的特征向量进行结合，用于更新中心节点的特征向量。上述的聚合操作采用的是最大池化，其中的。
图神经网络实战（12）——图同构网络(Graph Isomorphism Network, GIN)
盼小辉丶的博客
06-06 3605
图同构网络 (Graph Isomorphism Network, GIN) 架构受 WL 测试启发而设计的，其表达能力与 WL 测试相近，因此在严格意义上比 GCN、GAT 或 GraphSAGE 更具表达能力。在本节中，将这一架构用于图分类任务，介绍了将节点嵌入融合到图嵌入中的不同方法，GIN 通过连接求和运算符和每个 GIN 层产生图嵌入，其性能明显优于通过 GCN 层获得的经典全局均值池化。最后，我们将两个模型的预测结果进行简单的集成，从而进一步提高了准确率。
【CS224W】(task9)图神经网络的表示能力(GIN图同构模型)
发现问题，并解决问题，批判性思维
03-04 2403
GIN图同构网络模型的构建 - 能实现判断图同构性的图神经网络需要满足，只在两个节点自身标签一样且它们的邻接节点一样时，图神经网络将这两个节点映射到相同的表征，即映射是单射性的。 - **可重复集合/多重集（Multisets）：元素可重复的集合，元素在集合中没有顺序关系** 。一个节点的所有邻接节点是一个可重复集合，一个节点可以有重复的邻接节点，邻接节点没有顺序关系。因此GIN模型中生成节点表征的方法遵循WL Test算法更新节点标签的过程。 **在生成节点的表征后仍需要执行图池化（或称为图读出）操作得
论文阅读_图神经网络GIN
谢彦的技术博客
06-11 1123
这也是一篇引用量很大的图神经网络精典论文。之前研究方法着重于表示节点，引文着眼于表征图的结构。作者认为之前方法难以区分不同的图结构，并提出了一种基于GNN的方法GIN，它的区分效果与WL-Test效果相当。...
【GIN】
weixin_43327910的博客
10-30 7324
GIN
gnn图神经网络（代码完整）
01-03
在"gnn图神经网络（代码完整）"这个压缩包中，可能包含了两个关键部分：`embedding`和`edge`。 1. `embedding`通常指的是节点嵌入（node embeddings）。在GNN中，每个节点都会被映射到一个低维向量空间，这个向量...
基于GNN图神经网络预测（Python完整源码数据包）
11-22
基于GNN图神经网络预测（Python完整源码数据包） 基于GNN图神经网络预测（Python完整源码数据包） 基于GNN图神经网络预测（Python完整源码数据包） 基于GNN图神经网络预测（Python完整源码数据包） 基于GNN图神经...
GNN图神经网络故障诊断（Python代码）
最新发布
08-17
本文提出的基于图神经网络（GNN）的故障诊断框架采用了PyTorch和PyTorch Geometrics。该框架主要分为数据预处理和基于GNN的故障诊断与预测两个部分。 在数据预处理阶段，框架提供了三种图的构造方法，包括KNNGraph、...
GNN 图神经网络
qq_44457948的博客
04-26 1348
GNN的作用是输入一个具有特征和结构的图，输出最终的特征 GNN有三个流程：聚合、更新和循环，接下来我将在这个图中介绍。 以A结点为例， 邻居信息 ， 其中a,b,c是边的权重 A更新后的信息 其中 sigma 是激活函数，W 和 alpha 都是参数 然后经过多次循环，可构造多层GNN，A结点就可以得到其他所有结点的信息 那么，算出来的最终特征有什么作用呢？ 1、在结点分类任务中，可以直接拿去分类，通过训练 loss，来优化 W 2、在关联预测...
图神经网络表达能力有多强？（how powerful are graph neural networks）.zip
10-30
图神经网络表达能力有多强？阅读这篇文章，个人自见分晓。
【intro】Graph Isomorphism Network（GIN）
Karen_Yu_的博客
05-09 2665
图神经网络(gnn)是一种有效的图表示学习框架。gnn采用邻域聚合方案，通过递归聚合和变换相邻节点的表示向量来计算节点的表示向量。已经提出了许多GNN变体，并在节点和图分类任务上取得了最先进的结果。然而，尽管gnn彻底改变了图表示学习，但人们对其表示特性和局限性的理解有限。->一个理论框架，用来分析GNN捕获不同图结构的能力。
图神经网络_待更新
m0_45839619的博客
01-17 1170
GNN(图神经网络Graph Neural Network) Graph Convolutional Networks (GCN)：这是一种最基础的图神经网络算法，在每一层中利用节点的邻居信息进行特征传递和更新，可以用于节点分类、图分类等任务。 Graph Attention Networks (GAT)：这是一种利用注意力机制来学习节点之间关系的图神经网络算法。通过为每个节点分配不同的注意力权重，可以更好地捕捉节点之间的重要关系。 GraphSAGE：这是一种采样和聚合的图神经网络算法，通过从邻居节点中
GIN：图神经网络有多强大? HOW POWERFUL ARE GRAPH NEURALNET WORKS
tagagi的博客
11-28 7388
论文： HOW POWERFUL ARE GRAPH NEURALNET WORKS https://arxiv.org/abs/1810.00826v1 来源：ICLR 2019 代码： GitHub - weihua916/powerful-gnns: How Powerful are Graph Neural Networks? 内容：从理论上证明了邻域聚合（或称消息传递）的GNN变体的表达能力的严格上限（WL同构检验），同时设计了一个此框架下，最强大的GNN，即GIN 1 邻...
How Powerful are Graph Neural Networks？ GIN 图同构网络 ICLR 2019 论文详解
知行合一，止于至善
10-31 2万+
文章目录1 相关介绍Definition 1 ：multiset数学上的单射（injective）2 GNN 怎么和 Weisfeiler-Lehman test 关联起来？2.1 符号定义2.2 Graph Neural Networks2.3 两类任务2.3 Weisfeiler-Lehman test 图同构测试3 WL test 是GNN性能的上限Lemma 24 什么样的GNN 可以和W...
图卷积网络中的GCN和GIN学习
porwyy的博客
09-27 1万+
提示：文章写完后，目录可以自动生成，如何生成可参考右边的帮助文档 文章目录 前言 一、pandas是什么？ 二、使用步骤 1.引入库 2.读入数据 总结 前言 卷积神经网络具有平移不变性，而图网络不具有该性质，因此不能直接做卷积操作。 传统的卷积神经网络通过卷积核实现参数共享，且参数的数量由卷积核的大小决定，而图网络无法直接进行卷积，则不能实现参数共享，其参数个数与图像的像素矩阵保持一致。 其次卷积神经网络还具有局部连接性，从而使得每次计算只需要在一个卷积核大小的..
B.图算法：图学习之图神经网络GraphSAGE、GIN图采样算法[系列七]
丨汀、的博客
11-19 1029
本项目主要讲解了GraphSage、PinSage、GIN算法的原理和实践，并在多个数据集上进行仿真实验，基于PGl实现原论文复现和对比，也从多个角度探讨当前算法的异同以及在工业落地的技巧等。
图神经网络/GNN(六)-基于图神经网络的图表征学习方法
weixin_41968248的博客
07-05 1768
麻烦助教晚点修改我的作业哈，还有一些学习笔记内容没有整理完想再补充点，谢谢谢谢~ 本次作业 请画出下方图片中的6号、3号和5号节点的从1层到3层到WL子树。 - 解答： 6号 3号 5号 参考资料： Datawhale组队学习【图神经网络】 ...
CNN卷积神经网络（图解CNN）
热门推荐
WGS.
08-23 7万+
超详细的CNN卷积网络讲解，及经典网络LeNet复现
Python完整源码：GNN图神经网络预测实践
资源摘要信息:"基于GNN图神经网络预测（Python完整源码数据包）" 知识点: 1. 图神经网络（GNN）基础 图神经网络（Graph Neural Networks，GNNs）是一种用于处理图形数据的神经网络，其主要特点是能够捕捉到图结构...
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值