GNN图神经网络

最新推荐文章于 2024-06-21 21:05:35 发布
最新推荐文章于 2024-06-21 21:05:35 发布
阅读量2.8k 收藏 7
点赞数
分类专栏： 深度学习 文章标签： 深度学习 神经网络 计算机视觉
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_60673782/article/details/121541478
版权
本文深入浅出地介绍了图神经网络（GNN），包括如何将数据转化为图、图上的问题与挑战、GNN的基本原理及其变种。通过实例展示了GNN在图数据上的应用，如节点分类、边属性预测，并探讨了超参数对模型性能的影响。
摘要由CSDN通过智能技术生成

 论文链接：A Gentle Introduction to Graph Neural Networks (distill.pub)

零基础多图详解图神经网络（GNN/GCN）【论文精读】_哔哩哔哩_bilibili

 文章分为四块：

什么样的数据可以表示为一张图

图和别的数据有什么不一样的地方 为什么要做图神经网络

构建GNN 看一下各个模块长什么样子

搭建了GNN的playground

图神经网络基于图的对称性的假设 

一、什么样的数据可以表示为一张图

图就是表示实体(点nodes)的一些关系（边edges）

U表示全局的信息

 点 用长度为6的向量来表示

边用长度为8的向量来表示

全局信息用长为5的向量表示

 核心就是怎么样把信息表示成向量，以及这向量是不是能够通过数据来学到

图可以分成两类，一种是有方向的，一种是没有方向的

怎么样把数据表示成图

把图片表示成图

0-0点表示第0列第0行，这样就把图上的每一个像素映射成图上的每一个点

0-0的邻居是1-0&#

最低0.47元/天 解锁文章
m0_60673782
关注
专栏目录
GNN教程：图神经网络基础知识！
zenRRan的博客
11-11 763
Datawhale干货作者：秦州，阿里巴巴，Datawhale成员系列规划本文为GNN教程 【第一章 基础：三剑客】的第一篇文章 【01 基础知识】，下图展示了我们在这一系列的规划，...
图神经网络GNN
lulu_Tang的博客
12-26 519
图神经网络GNN 我将用4个PPT总结图神经网络中的基本思想与算法首先是 GNN 欧几里得形数据：包括文本、音频、图像、视频等，这些数据可以被看作欧氏空间中的样本点。包括文本、音频、图像、视频等，这些数据可以被看作欧氏空间中的样本点。 度中心性的思想是：你的社会关系越多，你的影响力就越强。 中介中心性的思想是：如果一个成员位于其他成员的多条最短路径上，那么该成员就是核心成员，就具有较大的中介中心性。 相比中介中心性，接近中心性更接近几何上的中心位置。 特征向量中心性：对图的邻接矩阵求特征值和特征向
探索图神经网络（GNN）：使用Python实现你的GNN模型
最新发布
weixin_42132035的博客
06-21 1564
本文介绍了如何使用Python和DGL库实现一个简单的图神经网络模型，并阐述了图神经网络的基础知识、主要模型以及应用场景。通过本文的学习，你应该能够初步了解GNN的基本原理和实现方法，并尝试在实际项目中应用GNN。图神经网络是一个强大且灵活的工具，它在处理图结构数据方面有着独特的优势。希望这篇文章能帮助你开启GNN的探索之旅。如果你对图神经网络感兴趣，可以进一步深入学习更复杂的模型和应用，如GraphSAGE、GAT等。祝你在GNN的世界里有所收获！
图神经网络 (GNN)
m0_62307289的博客
11-11 3438
我们以民国最出名的七角恋人物关系图为例进行讲解，如下图所示：这是一张图，包括人物实体以及人物关系。我们抽象成下面的形式，人物是图的顶点（Vertex）、人物关系是图的边（Edge）。顶点和边都可以附带各自的属性（如：姓名、关系类型等）V：点，每个点都有自己的特征向量（特征举例：邻居点数量、一阶二阶相似度）E：边，每个边都有自己的特征向量（特征举例：边的权重值、边的定义）U：整个图，每个图都有自己的特征向量（特征举例：节点数量、图直径）
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
qq_44457948的博客
04-26 1312
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（GNN）【WSDM 2020】.zip
11-19
数据挖掘领域的国际会议WSDM将于2020年2月3日-2月7日在美国休斯敦召开，WSDM 2020全称为第13届国际互联网搜索与数据挖掘会议（The 13th International Conference on Web Search and Data Mining, WSDM 2020）。WSDM是CCF推荐的B类国际学术会议，由SIGIR、SIGKDD、SIGMOD和SIGWEB四个专委会协调筹办，在互联网搜索、数据挖掘领域享有较高学术声誉。这次会议共收到来自615篇长文投稿，仅有91篇长文被录用，录用率约15%。
图与网络分析 | Python实现基于GNN图神经网络建模和预测
前程算法屋的博客
10-28 3242
图与网络分析 | Python实现基于GNN图神经网络建模和预测
图神经网络（GNN）
qq_45856698的博客
03-13 3702
近年来，图神经网络（GNN）领域取得了快速和难以置信的进展，图神经网络又被称为图深度学习、图表示学习，已经成为机器学习特别是深度学习领域发展最快的研究课题之一。
[图神经网络]图神经网络(GNN)
就随便写写....
03-01 1521
图卷积神经网络概述
GNN-图神经网络 Gragh-Neural-Net浅析
cuicuicuicuicuih的博客
04-29 364
为什么我们要使用GNN来做（改进）推荐系统模型？ 由于推荐系统的高实际价值，越来越多的研究人员开始提出基于会话的推荐方案。 基于马尔可夫链的推荐系统：该模型基于用户上一次的行为来预测用户的下一次行为，然而由于强独立性相关假设，该模型的预测结果并不十分准确。 基于循环神经网络（RNN）的推荐系统：相比于传统的推荐问题，基于会话的推荐问题的不同点在于如何利用用户的短期会话交互信息数据来预测用户可能会感...
GNN（图神经网络）基本概念
luemeon的博客
02-16 9483
功能：节点分类和图分类 空域 ：空间上考虑图结构的模型，即考虑目标节点和其他节点的几何关系(有无连接)。 模型代表：GAT（Graph Attention Networks）图注意力模型 频域： 模型代表：GCN（Graph Convolutional Network ）图卷积网络 优点：省参数 缺点：不易作用于动态图 共同步骤： 加工图邻接矩阵 对图邻接矩阵特征分解，得到特征值， 将特征向量看作常数，而卷积核作用在特征值上 ......
GNN图神经网络综述
热门推荐
博客
03-13 3万+
什么是GNN GNN是Graph Neural Network的简称，是用于学习包含大量连接的图的联结主义模型。当信息在图的节点之间传播时GNN会捕捉到图的独立性。与标准神经网络不同的是，GNN会保持一种状态，这个状态可以代表来源于人为指定的深度上的信息。 图神经网络处理的数据就是图，而图是一种非欧几里得数据。GNN的目标是学习到每个节点的邻居的状态嵌入，这个状态嵌入是向量且可以用来产生输出，例如...
gnn图神经网络代码matlab
07-28
- *1* *2* *3* [m基于GNN图神经网络的目标匹配分析matlab仿真](https://blog.csdn.net/hlayumi1234567/article/details/128422444)[target="_blank" data-report-click={"spm":"1018.2226.3001.9630","extra":{"utm_...
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