- 博客(15)
- 收藏
- 关注
RSS订阅原创 Revisiting Graph Neural Networks: All We Have is Low-Pass Filters--arixv-2019--论文笔记
论文题目–《对于图神经网络的重新思考：所有的皆是低通滤波器》摘要：图神经网络已成为解决图结构数据机器学习问题的重要技术之一。最近关于顶点分类的工作提出了深度和分布式学习模型，以实现高性能和可扩展性。然而，我们发现基准数据集的特征向量已经为分类任务提供了相当多的信息，而图结构仅仅提供了一种对数据进行去噪的方法。本文提出了一种基于图信号处理的分析图神经网络的理论框架。结果表明，图神经网络仅对特征向量进行低通滤波，不具有非线性流形学习特性。我们进一步研究了它们对特征噪声的抵抗能力，并对基于GCN的图形神经网络
2020-05-28 21:59:08
1668
1
原创 Grid-GCN for Fast and Scalable Point Cloud Learning--CVPR2020--论文笔记
论文题目–《基于网格的图卷积网络的快速和可拓展的点云学习》摘要：由于点云数据的稀疏性和不规则性，直接利用点的方法非常的流行。在所有的基于点的模型之中，图卷积网络充分利用了数据之间的颗粒度，和数据之间的相互关系而表现出了显著的性能。但是在基于点的网络之中，数据结构的构建花费了大量的时间（例如最远点采样和邻居节点的查询），这些原因都限制了模型的速度和稳定性。在本文之中，提出了一种方法名叫Grid-GCN，用于快速和可拓展的点云学习。Grid-GCN用一个新的数据结构的策略，CAGQ.通过利用这个高效的网格空
2020-05-21 22:32:43
1553
2
原创 Efficient Graph Generation with Graph Recurrent Attention Networks--NIPS2019--论文笔记
论文题目–《基于图递归注意力网络的高效图生成方法》摘要提出了一种新的基于深度学习的生成图得模型，称为图递归注意力网络。该模型一次生成一组节点和一组边的信息。在当前实现了最好的效果。1.介绍图生成任务是指，用输入的数据，生成图结构。贡献：1.该方法的时间复杂度为O（N），每一步生成一组边和一组节点的信息。2.提出了一个基于注意力的图神经网络，它能够更好地利用已经生成的图的部分，用于有效的建模已经生成的部分新添加的节点3.使用贝努利模型来参数化每一代输出的分布结果，该模型能够更好的探索多个生成的
2020-05-14 23:12:17
1136
原创 HyperGCN: A New Method of Training Graph Convolutional Networks on Hypergraphs--论文笔记
论文题目–《超图卷积网络–一种新的方法用于训练超图的图卷积网络》摘要在许多现实世界的网络中，其实有很多关系都不仅仅是成对的关系，比如co-authorship, co-citation网络，其中的关系非常的复杂。超图提供了一种灵活且自然的工具去模拟诸如以上网络的复杂关系。以上存在的复杂的关系刺激了使用超图学习的问题。目前一种流行的方法是基于超图的半监督学习，其目标是分配标签给超图中没有标签的节...
2020-05-07 22:29:50
2901
原创 Understanding Attention and Generalization in Graph Neural Networks--NIPS2019--论文笔记
论文题目–《对图神经网络的注意力和泛化能力的理解》摘要我们旨在更好地了解图神经网络（GNN）中节点的注意力机制，并确定影响其有效性的因素。我们特别关注attention GNNs推广到更大、更复杂或有噪声的图的能力。受图同构网络研究的启发，我们设计了简单的图推理任务，使我们能够在受控环境中研究注意力机制。我们发现，在典型条件下，注意力的影响可忽略不计甚至是有害的，但是在某些条件下，注意力在我们...
2020-04-24 11:17:32
1235
原创 An Attention Enhanced Graph Convolutional LSTM Network for Skeleton-Based Action Recognition-论文笔记
论文题目–《基于注意力增强图卷积LSTM网络的骨骼动作识别》摘要：基于骨架的动作识别是一个非常重要的任务，需要从给定的骨架序列之中去理解一个人的活动。最近的研究已经展示，在骨架序列上探索空间和时间的特征，是非常重要的对于这个任务。除此之外，如何去有效去提取有判断力的空间和时间特征仍然是一个具有挑战的问题。在这篇文章中，我们提出一个新颖的注意增强图卷积LSTM网络（AGC-LATM）来对人类动作...
2020-04-17 10:37:12
984
原创 A Higher-Order Graph Convolutional Layer-NIPS2018-论文笔记
论文题目-,《高阶图卷积层》是NIPS-2018年的一篇论文1.摘要目前的图卷积主要有2种，一种是基于空间域的图卷积，一种是基于谱域的图卷积。针对谱域的图卷积，前人是利用傅里叶变换和拉普拉斯近似，将卷积的方法成功的从欧几里得数据推广到图结构数据。然而这种方法过度简化了这种近似。将图卷积表示为一种聚合邻居节点的算子。这个简化限制了模型的学习能力。在本文中作者提出了一种新的图卷积层，它可以混合多...
2020-04-10 11:03:05
999
原创 Graph Attention Convolution for Point Cloud Semantic Segmentation--CVPR2019--论文笔记
论文题目-《基于图注意力卷积的点云语意分割》引言在本文中，作者提出了一个新的图注意力卷积模型用于点云语意的分割。如下图是标准卷积和GAC的区别左图是标准卷积，其中每个节点的权重仅仅由邻居节点的空间位置决定，所以在学习特征的时候就很难去加以区分不同类别的邻居节点的属性。右图是GAC，在GAC中由于注意力权重可以区分不同类别的属性，这样的话，我们就能够更加有目的性的去学习更加匹配的特征，就...
2020-04-03 11:21:13
948
原创 Semi-supervised Learning with Graph Learning-Convolutional Networks--论文笔记
论文题目《图学习卷积神经网络的半监督学习》1.引言在本文中，我们针对半监督学习问题提出了一种新颖的图学习卷积网络（GLCN）。 GLCN的主要思想是通过在统一的网络体系结构中同时集成图学习和图卷积来学习一种最能为半监督学习服务的模型。主要贡献：1.在GLCN中，既定的标签和估计的标签都被合并，因此可以提供有用的“弱”监督信息来细化（或学习）图的构造，并有助于在CNN中进行图卷积操作以进行...
2020-03-27 11:17:59
1868
翻译 tensorflow学习笔记--机器学习基础知识--（1）基本图像分类
学习教材是tensorflow官网上的新手教程为了让自己有更深的印象和理解，将自己的学习笔记记录基础分类：对于衣服的图片分类本指南训练了一个神经网络模型来对衣服的图像进行分类，例如运动鞋和衬衫。本指南使用tf.keras在TensorFlow中构建和训练模型。from __future__ import absolute_import, division, print_function,...
2020-03-24 21:13:20
685
原创 Two-Stream Adaptive Graph Convolutional Networks for Skeleton-Based Action Recognition--论文笔记
论文题目《基于双流结构的自适应图卷积网络的骨骼姿态识别》引言1.引言作者提出了双流自适应图卷积（2s-AGCN），在两个2个数据集上进行了大量的实验，都实现了最先进的性能。贡献1.提出了自适应的图卷积网络结构针对不同的图卷积层和端到端的骨骼样本能够更好的学习其拓扑结构，也能够更好的适用于识别任务和其层次结构。2.二阶信息通过双流结构和一阶信息联合起来，对提高性能起到了很好地作用3.在两...
2020-03-19 21:16:18
3300
4
原创 Explainability Methods for Graph Convolutional Neural Networks--论文笔记
记录一下这周看的论文这周的论文其实说还挺好。《图卷积神经网络的可解释方法》首先的话先说一下这个可解释方法是什么意思吧，其实开始我也是不懂，我是在网上找得相关资料才得知的。就是说，可解释方法在最开始是针对CNN提出的。我在网上的一篇文章看到的写得很好原文出处请点击：在当前深度学习的领域，有一个非常不好的风气：一切以经验论，好用就行，不问为什么，很少深究问题背后的深层次原因。从长远来看，这样...
2020-03-13 11:25:40
1714
原创 Skeleton-Based Action Recognition with Directed Graph Neural Networks---论文笔记
记录一下这周看的论文。论文名称–《通过有向图神经网络的基于骨架的姿态识别》1.引言：对于现在来说，最主要的有3中方法，RNN,CNN,GCN,分别通过序列向量，伪图像，和图来表示各个关节之间的联系。就是说对于骨架，分为关节和骨头，所以如果我们能够在姿态识别的过程中，把关节和各个骨头之间的关系都考虑进去，其实我们会发现对识别有很大很大的提高。现存的基于图的模型，它的关节和骨头的模型是2个相互分...
2020-03-06 12:50:15
1558
4
原创 Generating Classification Weights with GNN Denoising Autoencoders for Few-Shot Learning--论文笔记
记录一下这周自己看的这篇文章。文章标题《通过去噪自编码器的图神经网络生成分类权重的少样本学习》1.Introduction本文的主要思想是，训练一个模型，可以用已经训练好的元模型，就是在已有的训练好的模型上，在新的类来学习新的参数，去更新旧的参数，以便，使模型更加好。基于DAE模型 参数的生成： 由于在本文中适用的meta-learning 过程中，我们去确定它的分类权重是需要大量的样本...
2020-02-28 11:47:09
1636
2
原创 Edge-Labeling Graph Neural Network for Few-shot Learning--CVPR2019--论文笔记
记录一下自己看的文章，和一些自己的见解。这次看的文章是《基于边标签图神经网络的少样本学习》Abstract在本文之中，我们提出了一个新的基于边标签的图神经网络（EGNN），适用于一些少样本学习（few-shot learning），以往的图卷积神经网络只是基于节点标签的框架，然而提出的EGNN通过利用类内的相似性和类间的不相似行不断地更新迭代，不仅仅只是学习预测节点标签，而且会预测变得标签。...
2020-02-20 21:32:49
1888
5
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