- 博客(8)
- 收藏
- 关注
原创 条件熵和信息增益代码+结果展示
在这篇文章中我们详细的讨论了随机熵、时间无关熵和真实熵,但是他们都是针对单一变量的时间序列进行的处理,无法反映多变量时间序列之间的关系。那么要如何反映两个变量之间是否存在内在联系呢,这里就不得不提到条件熵。
2022-12-10 16:17:46
390
1
原创 随机熵、时间无关熵、真实熵理论+代码
最近看了一些和熵值有关的论文,在此总结一下。主要包括随机熵、时间无关熵(信息熵)、真实熵,并附加了他们对应的代码实现。
2022-12-09 20:24:11
663
原创 基于Python的网络拓扑图绘制
最近写论文画了许多图,在这里记录一些。当然,如果仅仅是展示性图片的话也可以使用visio,但是这里我仍然想探究一下如何使用pyhon画出美观的网络拓扑图。(1)根据邻接矩阵画出网络拓扑图(2)画出网络拓扑图,并对节点和链路进行表示,包括对节点和链路的标号,颜色区分,以及尺寸区分。
2022-12-02 11:06:42
5837
3
原创 基于PyG Temporal的DCRNN(扩散卷积递归神经网络)代码实现
DCRNN(扩散卷积递归神经网络),Diffusion Convolutional Recurrent Neural Network: Data-Driven Traffic Forecasting。 模型主要进行节点的预测任务,给定节点T个时刻的历史特征,通过DCRNN模型来对T+1时刻的节点特征进行预测。节点数为10,节点之间的拓扑结构为随机生成的拓扑结构,通过邻接矩阵A来表示。具体代码实现如下
2022-12-01 18:05:25
3039
23
原创 LSTM/GRU详细代码解析+完整代码实现
LSTM和GRU目前被广泛的应用在各种预测场景中,并与卷积神经网络CNN或者图神经网络GCN等相结合,对数据的结构特征和时序特征进行提取,从而预测下一时刻的数据。在这里整理一下详细的LSTM/GRU的代码。
2022-11-24 21:35:16
18704
26
原创 GC-LSTM原理+代码(下)代码部分基于PyG Temporal
上一篇文章中具体介绍了GC-LSTM的原理,这里基于PyG Temporal中的GCLSTM模块对实现一个基于GC-LSTM的预测模型。注:这里可以是流量预测等各种节点特征。
2022-11-24 11:48:42
6508
50
原创 GC-LSTM:用于动态网络链路预测的图卷积嵌入原理+代码(上)原理部分
GC-LSTM利用GCN提取图数据的拓扑结构特征,LSTM提取序列数据的时序特征,从而能够对动态变化的图拓扑进行预测。本文详细介绍了GC-LSTM模型的原理,并基于PYG Temporal对其进行代码实现。
2022-11-23 21:04:53
7084
7
原创 从0到1实现GCN——最详细的代码实现
从0到1的GCN代码实现。详细介绍了基于GCN公式的代码实现,以及更加简单高效的基于Pytorch Geometric(PyG)的GCN的代码实现。帮助小白快速入手GCN!!!
2022-11-16 15:33:23
14571
8
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