![](https://img-blog.csdnimg.cn/20190918140129601.png?x-oss-process=image/resize,m_fixed,h_224,w_224)
【图神经网络】Graph Neural Networks
文章平均质量分 85
图神经网络
Mr.zwX
2019年进入电子科技大学接触计算机(方向涉及:机器学习/深度学习(CV、NLP、GNN)、时空数据挖掘、一点点开发(部分后端/前端)),2022年在电子科技大学实验室科研,2023年在复旦大学NLP组实习,2023年9月至今,在北京大学人工智能研究院科研(模型加速/压缩、隐私计算)...保持努力,anyway,这个平台是我记录一些乱七八糟计算机笔记的地方,供(记性不好的)自己复习,同时也分享给大家
如需联系:请发邮件至wenxuan225@qq.com
展开
-
Curriculum Learning and Graph Neural Networks (or Graph Structure Learning)
这部分是对curriculum learning的基础知识进行学习,首先从最经典的开山之作“Curriculum Learning”入手,学习其核心思想。链接: Curriculum Learning核心思想: 让模型模仿人类的学习策略,先学习简单的样本,然后逐渐学...原创 2022-06-06 23:45:29 · 689 阅读 · 0 评论 -
Domain Adaptation and Graph Neural Networks
首先来考虑如下的场景:我们已经在training set上训练好了模型,现在开始在testing set上进行测试。如果testing data和training data的来自于同分布的,那么预测结果好较好,而testing data与training data差距原创 2022-06-06 23:37:02 · 1131 阅读 · 2 评论 -
【李沐精读GNN论文总结】A Gentle Introduction to Graph Neural Networks
博客文章链接:A Gentle Introduction to Graph Neural Networks在这篇博客中,很多图都是交互图,可以由读者自行操作演示。非常感谢李沐老师在11月4日发的【论文精读】视频。本文是结合原文和李沐老师的讲解总结出来的。第一次看distill的文章,让我实在是很惊喜,李沐老师将在最后的评价部分评价distill的文章。在上图中,每一层都是一层网络,每一层的节点都受到下一层中自身节点和邻居节点的影响。如果网络比较深,是可以处理到一幅图中较大范围的节点。1 前言图神经原创 2021-11-14 00:37:06 · 10468 阅读 · 0 评论 -
Uncertainty Estimation in GNN and Deep Learning(Paper Collection and Simple Notes)
通俗地说,机器学习模型的输出结果不是板上钉钉的事儿,医疗诊断需要给出病症的判断概率,对于不确定的数据和模型参数,也需要给出模型的不确定度。不确定性估计:模型不确定性(感知不确定性,epistemic uncertainty)模型不确定性通常源于对收集的训练数据的不认识。感知不确定性通过多次输出的方差来决定。模型不确定制定在参数的分布上,通过先验分布预设模型,在给予一些训练数据后观察这个分布的变化。可以被消除,需要增大数据量进行训练。对于模型不确定性的实现比较简单:在train时使用dropo原创 2021-08-30 17:11:06 · 1211 阅读 · 0 评论 -
【GNN图神经网络】邻接矩阵转化coo格式的稀疏矩阵
刚开始学习图神经网络,在使用PyG框架编程的时候,有一件事很让我纠结:PyG要求输入的邻接矩阵X应该是稀疏矩阵的形式(edge_index),而不是我制作的NxN邻接矩阵形式。举个简单的例子,看下面这个图结构:邻接矩阵的创建如下:A = np.array([0, 1, 0], [1, 0, 1], [0, 1, 0])A = torch.LongTensor(A)然后你会发现扔进PyG搭建的GCN模型报错了啊!ValueError: `MessagePassing.propa原创 2021-08-24 12:27:19 · 6623 阅读 · 4 评论 -
【GNN图神经网络】理解图特征之聚类系数(Clustering coefficient)
研究聚类系数的目的和意义描述一个图中的某节点与其相连节点之间聚集成团的程度的一个系数。聚类系数的目标是比较群组的聚合紧密程度与其能够达到的聚合紧密程度。一个节点的局部聚类系数体现的是其邻节点也相互连通的可能性。聚类系数的研究范围是无向图。对于我的研究意义:在地理位置的定位分析过程中,需要考虑不同坐标之间的聚集程度,那么聚类系数就是一个很基础且很重要的图指标。方法基础:三角形计数计算公式CC(u)=2Ruku(ku−1)CC(u)=\frac{2R_u}{k_u(k_u-1)}CC..原创 2021-07-20 01:07:40 · 15490 阅读 · 3 评论