什么是readout function/readout函数

最新推荐文章于 2025-01-09 10:37:25 发布
最新推荐文章于 2025-01-09 10:37:25 发布
阅读量9.6k 收藏 31
点赞数 20
分类专栏： 机器学习 文章标签： 图神经网络 图分类
-
本文链接：https://blog.csdn.net/qq_36158230/article/details/124070118
版权
本文解析了readout函数在图神经网络中的作用，介绍了如何将节点特征聚合为整图特征，以及常用的方法如平均池化和DeepGraphInfomax。还提到了set2vec和DiffPool等进阶策略。重点参考了ICLR论文DeepGraphInfomax。

摘要生成于 C知道 ，由 DeepSeek-R1 满血版支持， 前往体验 >

一、什么是readout函数？

        readout函数是【图神经网络/图卷积神经网络/图表示学习/图分类】中的术语。在图表示学习中，模型通常会得到图的节点表示，这些是上游基础。而在像图分类这样的下游应用中，我们通常需要一个整图的特征表示，而不仅仅是图中所有节点的特征表示。此时readout函数通过聚合节点特征的方式来得到整图的特征表示。

        假设图的节点表示为

 

其中N为节点个数，\overrightarrow{h}_i为第i个节点的特征表示。那么一个非常常用的readout函数为

\mathcal{R}(\bold{H})则是整图的特征表示，而\sigma是一个sigmoid函数。

        别看这只是平平无奇地做一下平均操作，但据说这样做效果是最好的。除了这样做，有相关的资料指出也有set2vec、DiffPool等更加先进的处理方法。

二、参考

        论文：Velickovic, Petar, et al. "Deep Graph Infomax." ICLR (Poster) 2.3 (2019): 4.

        Deep Graph Infomax：互信息最大化的无监督图对比学习

        顶会快讯 | ICML2020三篇图网络相关论文

图卷积文献阅读1
qq_39917739的博客
08-09 2039
论文名称：MGraphDTA: deep multiscale graph neural network for explainable drug–target binding affinity prediction。
【Fortran】过程设计之三（函数FUNCTION）
热门推荐
小毛95的博客
05-11 1万+
总结了Fortran中函数的使用方法。
C#中的txtreadout命令
supernever专栏
07-22 1549
using System; using System.Collections.Generic; using System.ComponentModel; using System.Data; using System.Drawing; using System.Linq; using System.Text; using System.Windows.Forms; name
DGL官方教程--API--dgl.readout
Minions的博客
03-29 2018
参考：https://docs.dgl.ai/en/latest/api/python/readout.html 图读出 PS：直接看例子 sum_nodes(graph,feat[,weight]) Sums all the values of node fieldfeatingraph, optionally multiplies the field by a scal...
readout是什么鬼？
weixin_37552108的博客
01-09 437
例如，在需要关注图中重要节点的任务中，基于注意力的readout可能更为合适，而在需要快速处理大规模数据的情况下，简单的Sum或Mean Readout可能更有效。readout与embedding是对应的，embed ing解决的是图神经上游的问题（如何将图表示成节点和边），那么readout解决的问题是将节点级特征聚合成图级特征。• 优点：能够为每个节点分配不同的权重，从而关注图中更重要的部分。• 优点：能够捕捉到图中最重要的特征，因为它选择节点特征的最大值。• 缺点：可能会忽略一些较小但重要的特征。
嵌入矩阵（Embedding Matrix）
csdn_xmj的博客
07-12 9602
来源：Coursera吴恩达深度学习课程 这篇文章将探讨学习词嵌入的具体化，当我们应用算法来学习词嵌入时，实际上是学习一个嵌入矩阵（embedding matrix）。 和之前一样，假设我们的词汇表有10,000个单词，词汇表里有a，aaron，orange，zulu，可能还有一个未知词标记UNK。我们要做的就是学习一个嵌入矩阵E，它将是一个300×10,000的矩阵，如果你的词汇表里有10,000个，或者加上未知词就是10,001维。这个矩阵的各列代表的是词汇表中10,000个不同的单词所代表的不
图神经网络-introduction 1 from李宏毅《机器学习》
qq_42258321的博客
08-02 494
前言：本期内容来自于李宏毅《机器学习》助教姜成翰在这门课上的补充内容。神经网络要如何聚合图结构中的信息呢？之前有说到有两种主流方法： (1) 把CNN的方法泛化，考虑节点周边的邻居关系进行空间上的卷积，比如 GAT。 (2) 利用卷积本质是频域上的滤波这一特性，在频域上操作，比如 GCN。 这一期我们来说下这两种方法具体怎么做。 Spatial-based GNN这部分内容会包括 NN4G，DCNN，DGC，GraphSAGE，MoNET，GAT，GIN。它们主要的区分在聚合方式上的操作不同。我们先来看下卷
Verilog中的任务Task和函数Function
ellle_welcome的专栏
04-04 3301
task和function说明语句分别用来定义任务和函数。 利用任务和函数可以把一个很大的程序模块分解成许多较小的任务和函数便于理解和调试。 输入、输出和总线信号的值可以传入、传出任务和函数。任务和函数往往还是大的程序模块中在不同地点多次用到的相同的程序段。 学会使用task和function语句可以简化程序的结构，使程序明白易懂，是编写较大型模块的基本功。 task和function说明语句的不同点 任务和函数有些不同，主要的不同有以下四点： 1) 函数只能与主模块共用同一个仿真时间单位，而任
python read_csv函数_Python：pandas（一）——常用、读写函数read_csv、read_excel、to_csv...
weixin_39851048的博客
03-01 2578
0、常用1)读写①从不同文本文件中读取数据的函数，都是read_xxx的形式；写函数则是to_xxx②对前n行感兴趣，或者用于检查读进来的数据的正确性，用head(n)方法；类似的，后n行，用tail(n)——如果不写参数n，将会是n行；信息浏览可以用info()方法③检查各列的类型，用dtypes属性2)取子集①这一部分的内容与numpy的切片、索引部分很类似②可以通过shape属性查看Data...
matlab ksdensity函数,为什么MATLAB中的内核平滑函数ksdensity会导致值大于1？(Why Kernel smoothing function, ksdensity, in M...
weixin_42361929的博客
03-18 2850
为什么MATLAB中的内核平滑函数ksdensity会导致值大于1？(Why Kernel smoothing function, ksdensity, in MATLAB, results in values greater than one?)我有一组样本，S，我想找到它的PDF。 问题是当我使用ksdensity时，我得到的值大于1！[f,xi] = ksdensity(S)在数组f中，大多...
python read_excel converters,使用python中的大熊猫的read_excel函数将日期作为字符串
weixin_36015213的博客
12-23 801
Python 2.7.10Tried pandas 0.17.1 -- function read_excelTried pyexcel 0.1.7 + pyexcel-xlsx 0.0.7 -- function get_records()When using pandas in Python is it possible to read excel files (formats: xls|xl...
数字图像处理
weixin_46048519的博客
01-04 1879
Lecture 2 1、定义文件路径 #在当前文件夹进行设置； 2、图像读取与输出 （1）imread函数 功能：实现多种类型图像文件的读取，如：BMP、GIF、JPEG、PNG、RAS等。 调用格式：A = imread(filename, fmt)。filename为图像文件名，可以是灰度图像，也可以是彩色图像，如果文件不在当前目录或不在Matlab目录下，则需要列全文件路径。fmt为文件的扩展名，指定文件类型。A为图像数据矩阵。 （2）imshow函数 功能：显示图像。 调用格式： imshow(I,
python中如何创建一颗多叉树_多叉树的设计、建立、层次优先遍历和深度优先遍历...
weixin_39668890的博客
12-11 4433
多叉树的设计、建立、层次优先遍历和深度优先遍历早起曾实现过一个简单的多叉树《实现一个多叉树》。其实现原理是多叉树中的节点有两个域，分别表示节点名以及一个数组，该数组存储其子节点的地址。实现了一个多叉树建立函数，用于输入格式为A B。A表示节点的名字，B表示节点的子节点个数。建立函数根据用户的输入，首先建立一个新的节点，然后根据B的值进行深度递归调用。用户输入节点的顺序就是按照深度递归的顺序。另外，...
【GNN】MPNN：消息传递神经网络
zenRRan的博客
04-11 7898
今天学习的是谷歌大脑的同学 2017 年的工作《Neural Message Passing for Quantum Chemistry》，也就是我们经常提到的消息传递神经网络（Mess...
GNN的一些总结
图挖掘领域，新晋砖家 ☞ 未来可期，欢迎和静静一起学习交流吖
04-29 6140
转载dongZheX 目录 1.为什么我们需要图神经网络： 2.图神经网络发展的一些历史 3. Basic Model 4. Analysis 5 Efficiency 6.Pooling 7.About Experiment 8.GNN领域中的一些问题： 最近在接触图神经网络这块，因此目前我还是个搬运工，学习各位大佬的总结，希望之后我可以自己写一些总结。 大佬主要借鉴论文...
图神经网络的分类
vincent_duan的专栏
09-25 6302
图卷积神经网络 GCN、GraphSage都属于图卷积神经网络，都是利用节点与节点周围的邻居信息不断的聚合，以学习到节点的高层表示。 PATCH-SAN：因为GCN和GraphSage聚合邻居信息时具有排列不变性，而PATCH-SAN是真正利用卷积操作，去完成节点的深层次的学习。 Graph Attention NetWork GAT利用节点之间的attention，求出节点与周围邻居节点的attention系数，然后通过聚合邻居节点得到下一层的特征表示。 Graph Auto-encoder 输入一张
图神经网络，这到底是个什么？
华为云官方博客
03-01 9173
摘要：图神经网络是一种基于图结构的深度学习方法。 1、什么是图神经网络 图神经网络（Graph Neu做ral Networks, GNNs）是一种基于图结构的深度学习方法，从其定义中可以看出图神经网络主要由两部分组成，即“图”和“神经网络”。这里的“图”是图论中的图数据结构，“神经网络”是我们熟悉的深度学习NN结构，如MLP，CNN，RNN等。要了解图神经网络我们需要先回顾一下“图”和“神经网络”的基本概念。 1.1图的定义 1.2典型神经网络 典型的神经网络结构有两条主线，一条主线
message passing neural network——MPNN
彭伟的博客
07-25 4572
《message passing neural network 》 这篇工作是2017 年的工作《Neural Message Passing for Quantum Chemistry》，消息传递神经网络（Message Passing Neural Network，MPNN） 分为以下几个部分介绍： CONTRIBUTION INTRODUCTION METHOD RESULTS CONLUSION CONTRIBUTION MPNN在13个靶向物中达到很好的效果，而且在13个靶向物中的11个进行
【GNN综述3】Deep Learning on Graphs: A Survey
图挖掘领域，新晋砖家 ☞ 未来可期，欢迎和静静一起学习交流吖
05-02 5341
转载LemonQC 论文Deep Learning on Graphs: A Surveypaper 翻译见123 引言： 图神经网络作为一种愈发火热的机器学习技术，在很多的领域展现出了独特的作用力。本人在研一的主要研究方向是 服务机器人云服务平台的研究及智能调度算法的研究，趁着新冠肺炎期间，在家利用接近一个月的时间内，研究了图神经网络相关的基础内容，同时复现一些经典的算法，...
如何便利class中的readmethod转换成function
最新发布
03-15
用户提到“便利class中的readmethod转换成function”，可能是指将现有的类中的read方法转换为Java的Function函数式接口实例，以便在函数式编程中使用，比如结合Stream API或者作为方法参数传递。 首先，我要回顾...
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

打赏作者

飞机火车巴雷特

你的鼓励将是我创作的最大动力

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付：¥1
获取中
扫码支付

您的余额不足，请更换扫码支付或充值

打赏作者

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