misite_J

文章目录面向对象概述类与对象成员变量成员方法构造方法this关键字static 关键字静态变量静态方法静态代码块类的主方法继承与多态继承继承类型继承关键字implementssuper与thisfinal继承的特性多态多态的转型参考资料# 类与方法面向对象概述面向机器语言计算机处理信息的早期语言是所谓的机器语言，使用机器语言进行程序设计需要面向机器来编写代码，即需要针对不同的机器编写诸如0101 1100这样的指令序列。面向过程语言随着计算机硬件功能的提高，在20世纪60年代出现了面向

文章目录数组的概念数组的定义数组的初始化数组下标的有效范围与常见异常数组内存分析二维数组创建二维数组二维数组的赋值多维数组不规则数组数组的基本操作数组遍历填充和替换数组元素参考资料数组的概念数组是一种用于存储数据的方式，使用一组连续的存储空间来存储多个相同数据类型的值，也就是说，数组是同一种类型数据的集合。特点：类型相同，长度固定，数组中的元素从0开始编号。数组的定义数组的创建：元素类型[] 数组名 = new 元素类型[元素个数或数组长度];eg：int[] arr = new int[3

文章目录Java程序的基本结构运算符和表达式数学函数与常量结合赋值和运算符自增与自减运算符关系和boolean运算符位运算符括号与运算符级别控制流程条件语句循环语句`while`循环语句`for`循环语句中断控制流程语句多重选择：switch语句参考资料Java程序的基本结构//java程序结构package test; //定义包，必须是小写字母，多个单词用.隔开import java.util.Scanner; //java API 一定在当前库中存在public class Test

Java简介Java是一门面向对象编程语言，不仅吸收了C++语言的各种优点，还摒弃了C++里难以理解的多继承、指针等概念，因此Java语言具有功能强大和简单易用两个特征。Java语言作为静态面向对象编程语言的代表，极好地实现了面向对象理论，允许程序员以优雅的思维方式进行复杂的编程。Java特性1.简单性Java看起来设计得很像C++，但是为了使语言小和容易熟悉，设计者们把C++语言中许多可用的特征去掉了，这些特征是一般程序员很少使用的。例如，Java不支持go to语句，代之以提供break和con

ＧＮＮ背景欧几里得空间的数据满足平移不变性和局部可连通性等特点，适用CNN、RNN等传统深度学习模型。图是一种更广泛的数据，且非欧几里得数据，研究图神经网络极有必要。图数据的特征：节点的不均匀分布排列不变性边的额外属性图神经网络的挑战：图数据的不规则性图结构的多样性图数据的大规模性图研究的跨领域性典型图神经网络GCN：每个节点的卷积操作可以看作一阶邻居节点之间的消息传递；GAT：利用注意力机制来定义图卷积；MPNN：将空域图神经网络统一成消息传递方式；GraphSAGE

文章目录简单数据导入依赖`torch_geometric.data.Data`, `DataLoader`的数据导入依赖`torch_geometric.data.Data`, `Batch`的批次导入自定义数据导入继承`Dataset`基类的自定义数据集类图样本封装成批（BATCHING）小图的属性增值与拼接图的匹配（Pairs of Graphs）二部图（Bipartite Graphs）在新的维度上做拼接超大规模数据集类实践参考背景：当数据集规模超级大，很难在内存中完全存下所有数据，因此要按需将数据

文章目录背景Weisfeiler-Lehman Test (WL Test)Weisfeiler-Leman Test 算法实例WL Subtree Kernel：图相似性衡量图同构网络图表征学习方法简介图同构网络基本思路图同构网络的实现`GINConv`--图同构卷积层`BondEncoder`与`AtomEncoder`基于图同构网络的节点嵌入模块（GINNodeEmbedding Module）基于图同构网络的图表征模块（GINGraphRepr Module）参考背景Weisfeiler-Leh

文章目录背景Cluster-GCN方法简介基本方法Cluster-GCN改进：随机多簇法扩展：深层GCN的设计与训练Cluster-GCN实践数据集采集与预处理Cluster-GCN的构建、训练与测试参考背景图神经网络的局限性：训练效率与可扩展性。基于SGD的图神经网络的训练方法，随着图神经网络层数增加，计算成本呈指数增长；保存整个图的信息和每一层每个节点的表征到内存（显存）而消耗巨大内存（显存）空间；“邻居爆炸（Neighbor Explosion）”：在信息传递网络中，每一层的都需

文章目录数据完整存储于内存的数据集类构造PyG规定的使用数据的一般过程`InMemoryDataset`基类继承`InMemoryDataset`的数据集构造实例基于节点表征的节点预测和边预测实践节点预测边预测Cora数据集预处理边预测图神经网络参考数据完整存储于内存的数据集类构造PyG规定的使用数据的一般过程从网络上下载数据原始文件；对数据原始文件做处理，为每一个图样本生成一个**Data对象**；对每一个Data对象执行数据处理，使其转换成新的Data对象；过滤Data对象；保存Data

文章目录Cora数据集的准备与分析TSNE可视化节点表征分布图节点分类模型实现与对比（MLP vs. GCN vs. GAT）MLP分类模型GCN分类模型GAT分类模型结果比较与分析参考Cora数据集的准备与分析Cora是一个机器学习论文数据集，其中共有7个类别（num_classes：基于案例、遗传算法、 神经网络、概率方法、强化学习 、规则学习、理论。整个数据集中共有2708篇论文（num_nodes），在词干堵塞和去除词尾后，只剩下1433个独特的单词（num_node_features）,文档频

文章目录消息传递范式MessagePassingPyG`MessagePassing`基类初识与子类实例MP基类MP子类实例PyG`MessagePassing`自定义函数`message、aggregate、message_and_aggregate、update`覆写示例作业2消息传递范式MessagePassing领域聚合节点更新xi(k)=γ(k)(xi(k−1),□j∈N(i) ϕ(k)(xi(k−1),xj(k−1),ej,i))\mathbf{x}_i^{(k)} = \gamm

文章目录PyG`Data`类初识`graph_data`对象的创建：`graph_data`实例初探PyG`Dataset`类初识内置数据集（Cora）的下载作业1PyGData类初识graph_data对象的创建：通过torch_geometric.data.Data构造函数，即graph_data = Data(x=x, edge_index=edge_index, edge_attr=edge_attr, y=y, num_nodes=num_nodes, other_attr=other_a