- 博客(7)
- 收藏
- 关注
RSS订阅原创 论文阅读《COMPLETER: Incomplete Multi-view Clustering via Contrastive Prediction》
论文标题：COMPLETER: Incomplete Multi-view Clustering via Contrastive Prediction论文作者：Yijie Lin, Yuanbiao Gou, Zitao Liu, Boyun Li, Jiancheng Lv, Xi Peng论文来源： 2021，CVPR论文地址：download论文代码：download本文研究了不完全多视图聚类分析中两个具有挑战性的问题，i）如何在没有标签的帮助下学习不同视图之间的信息性和一致性表示，ii）如何
2022-06-12 17:33:59
556
1
原创 论文阅读《Do Transformers Really Perform Bad for Graph Representation?》
论文标题：Do Transformers Really Perform Bad for Graph Representation?论文作者：Chengxuan Ying, Tianle Cai, Shengjie Luo,Shuxin Zheng, Guolin Ke, Di He, Yanming Shen, Tie-Yan Liu论文来源： 2021，NeurIPS论文地址：download论文代码：download我们对在图中使用Transformer的关键见解是必须将图的结构信息有效地编码到
2022-06-11 11:12:14
548
原创 论文阅读《Adversarial Multiview Clustering Networks With Adaptive Fusion》
论文标题：Adversarial Multiview Clustering Networks With Adaptive Fusion论文作者：Qianqian Wang，Zhiqiang Tao，Wei Xia，Quanxue Gao，Xiaochun Cao，Licheng Jiao论文来源： 2022，TNNLS论文地址：download论文代码：download挑战：现有的深度多视图聚类（MVC）方法主要基于自动编码器网络，该网络寻找公共潜在变量来分别重建每个视图的原始输入。然而，由于特定于
2022-06-09 21:13:36
463
原创 论文阅读《Deep Graph Infomax（DGI）》
论文标题：Deep Graph Infomax论文作者：Petar Veličković, William Fedus, William L. Hamilton, Pietro Liò, Yoshua Bengio, R Devon Hjelm论文来源：2019，ICLR论文地址：download论文代码：downloadDGI是一种在图结构数据中以无监督方式学习节点表示的通用方法。DGI依赖于最大化patch representations和相应的high-level summaries of g
2022-06-09 16:08:39
1133
原创 论文阅读《Multi-Scale Contrastive Siamese Networks for Self-Supervised Graph Representation Learning》
论文标题：Multi-Scale Contrastive Siamese Networks for Self-Supervised Graph Representation Learning论文作者：Ming Jin,Yizhen Zheng,Yuan-Fang Li,Chen Gong,Chuan Zhou，Shirui Pan论文来源： 2021，IJCAI论文地址：download论文代码：download问题：现有的图表示学习技术严重依赖标记信息。解决：本文提出了一种新的自监督方法，通过多
2022-06-09 10:58:38
719
原创 信息论的一些基础概念
目录一、信息量二、熵（entropy）三、联合熵四、条件熵五、相对熵（KL散度）六、交叉熵(cross entropy)七、JS散度(Jensen-Shannon divergence)八、互信息一、信息量信息是用不确定性的量度定义的。事件出现的概率小，不确定性越多，信息量就大，反之则少。对于信息量与概率成负相关的理解：当信源（产生消息的来源）中某一消息（事件）发生的不确定性越高，一旦它发生，并且被收信者接受，消除的不确定性也就越大，获得的信息也就越多。如果收信者接受到被干扰的消息，对一个消息（
2022-05-31 16:25:38
1669
1
原创 论文阅读《Deep Graph Clustering via Dual Correlation Reduction》
文章目录论文信息一、Introduction二、Dual Correlation Reduction Network（一）符号汇总表（二）.整体框架1.Graph Distortion Module（1）Feature Corruption（属性级失真）（2）Edge Perturbation（边扰动）①基于相似度的边去除②图扩散2.Dual Information Correlation Reduction(DICR)（1）样本级相关性降低（Sample-level Correlation Reducti
2022-05-30 20:05:14
445
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