图神经网络论文阅读(七) GEOMETRIC GRAPH CONVOLUTIONAL NETWORKS，ICLR（Under review）2020

最新推荐文章于 2024-07-16 20:59:21 发布
最新推荐文章于 2024-07-16 20:59:21 发布
阅读量1.6k 收藏 7
点赞数 3
分类专栏： GNN Model 文章标签： 神经网络 深度学习 人工智能
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/qq_36618444/article/details/105446536
版权
本文针对消息传递神经网络（MPNNs）在图结构数据表示中的不足，提出了几何图形卷积网络（Geom-GCN）模型。Geom-GCN通过节点嵌入、结构邻域和双层聚合模块，解决了在异配图中丢失邻居节点结构信息和捕获长期依赖关系的问题。通过将图映射到潜在空间，保留了图的拓扑结构，实现了在多种数据集上的优越性能。
摘要由CSDN通过智能技术生成

作者来自吉林大学杨博老师团队（请原谅一作大佬我不认识hhh）。话说杨博老师确实是位负责、有学术精神且高产的好老师，欢迎大家踊跃报考哈。

名词解释

  • 消息传递神经网络(MPNNs)：参见文献【1】，它是一种形式化的空域卷积的框架，分为消息传递与状态更新，其操作可以近似地认为是GCN。
  • 异配图（disassortative graphs）：Social Network中有优先连接的规律，相似的结点有与相似结点连接的倾向。但是在异配图中，某一类结点可能与不相似的结点相连，这导致了在MPNN消息更新的时候引入了无关结点的噪声。
  • 排列不变性（permutation invariance）。输入的顺序不会改变其输出值，形式化的描述就是f(x1,x2) = f(x2,x1)。

Abstract

消息传递神经网络(MPNNs)的两个基本缺陷限制了它们表示图形结构数据的能力:丢失了邻居节点的结构信息（注意，这也是在GCN中非常普遍的一个问题，现在的学者们甚至不好确定网络的结构信息在图卷积中到底起到了一个什么作用），以及缺乏在异配图（disassortative graphs）中捕获长期依赖关系的能力

了解本专栏 订阅专栏 解锁全文 超级会员免费看
五月的echo
关注
  • 3
    点赞
  • 踩
  • 7
    收藏
    觉得还不错? 一键收藏
  • 打赏
    打赏
  • 13
    评论
专栏目录
订阅专栏
图神经网络（十八）GEOM-GCN: GEOMETRIC GRAPH CONVOLUTIONAL NETWORKS
码匀的博客
03-20 780
本文收录于ICLR2020，作者是吉林大学的杨博老师。我们知道，GCN的本质其实是消息传递神经网络，但是MPNN有着两个基本缺陷限制了其表示图结构信息的能力：丢失邻域中节点的结构信息，以及不能捕获异类图中的长范围依赖关系。为了解决这两个缺陷本文提出了Geom-GCN，其背后的基本思想是图上的聚集可以受益于图下的连续空间。所提出的聚集方案是排列不变的，由节点嵌入、结构邻域和双层聚合三个模块组成。直接看模型： Model 这篇文章的框架就是这副图，模型主要包括三个部分，节点嵌入，结构邻域和双层聚合。因此本文的核
图神经网络(GNN)文献大列表-python
06-18
Papers on Graph neural network(GNN) 图神经网络（GNN）进展的必读论文和持续跟踪许多重要的现实世界应用和问题以图的形式出现，例如社交网络、蛋白质-蛋白质相互作用网络、脑网络、化学分子图和3D点云。 因此，在跨学科研究的推动下，面向图数据的神经网络模型成为新兴的研究热点。 其中，深度学习的三位先驱中的两位，Yann LeCun 教授（2018 年图灵奖获得者）、Yoshua Bengio 教授（2018 年图灵奖获得者）和斯坦福大学 AI 实验室的著名教授 Jure Leskovec 也参与了其中。 本项目关注 GNN，列出相关必读论文并跟踪进度。 我们期待推动这个方向，并为这个方向的研究人员提供一些帮助。 由 Allen Bluce 和 Anne Bluce 提供，如果有问题或 GNN 相关问题，欢迎发送电子邮件（地址：jdlc105@qq.com，lbtjackbluce@gmail.com）。 技术关键词：图神经网络、图卷积网络、图网络、图注意力网络、图自动编码器、图卷积强化学习、图胶囊神经网络.... GNN 及其变体是一种新兴且
【文献阅读】图神经网络综述：方法，应用和机遇（L. Waikhom等人，ACM，2021）
QQ704630835的博客
10-12 586
一、文章概况 文章题目：《Graph Neural Networks: Methods, Applications, and Opportunities》 文章下载地址：[2108.10733] Graph Neural Networks: Methods, Applications, and Opportunities (arxiv.org)https://arxiv.org/abs/2108.10733 文章引用格式：LILAPATI WAIKHOM and RIPON PAT...
MPNN消息传递神经网络
最新发布
暴力扬
07-16 1231
MPNN是一种强大的图神经网络模型，通过消息传递机制捕捉图结构数据的复杂关系。它的灵活性和通用性使其在多个领域有广泛的应用。
各神经网络文献出处整理(附下载链接)
QAQIknow的博客
04-15 4447
常见神经网络论文出处 神经网络 文献出处 年份 电脑 $1600 GRU Learning Phrase Representations Using RNN Encoder–Decoder for Statistical Machine Translation 2014 ResNet Deep Residual Lea
Python-图神经网络GNN文献大列表
08-11
Papers on Graph neural network(GNN)
关于BP神经网络的文献
04-20
这是总结的关于BP神经网络的文献，还有对BP神经网络基础知识的总结
Geom-GCN: Geometric Graph Convolutional Networks
weixin_45519842的博客
01-30 3094
作者: 纪厚业,北京邮电大学博士生,主要关注异质图神经网络及其应用. Geom-GCN: Geometric Graph Convolutional Networks 知乎专栏对公式支持较好, 见 https://zhuanlan.zhihu.com/c_1158788280744173568 个人公众号 图与推荐 Introduction 图神经网络（Graph Neural Network...
【Graph Neural Network 图神经网络】2.Spectral-based Graph Convolutional Networks 基于谱域的图卷积网络
TsingM
06-22 2284
GCN(Semi-Supervised Classification with Graph Convolutional Networks, ICLR 2017) 该文为基于谱域的图卷积网络的代表作，为图神经网络模型引入一个简单且表现好的分层传播规则，该规则直接在图上运行，展示了它是如何从谱图卷积的一阶近似中获得增益的，并演示了如何将这种形式的基于图的神经网络模型用于图中节点的快速和可扩展的半监督分类。 0. 基本概念 图用G=(V,E)G=(V,E)G=(V,E)表示，VVV中元素为节点（vertex），E
图神经网络论文阅读(六) GRAPH ATTENTION NETWORKS，ICLR2018
qq_36618444的博客
03-15 1388
本文的第一作者来自剑桥大学计算机学院。 文本提出了图形注意网络(GATs)，这是一种新型的神经网络结构，它对图结构的数据进行操作，利用masked self-attention来解决先前方法的缺点。通过堆叠不同的GAT层，使得节点能够关注它们的邻域特性。我们可以(隐式地)为一个邻域内的不同节点指定不同的权重，而不需要任何昂贵的矩阵运算(比如求逆)，也不需要预先了解图的结构。 GRAPH ATTEN...
深度学习卷积神经网络图像参考文献
01-02
关于深度学习, 图像处理.卷积神经网络的大量参考论文文献.
1维卷积神经网络参考文献_【4.卷积神经网络】第一周卷积神经网络-卷积【笔记1】...
weixin_35548251的博客
01-28 758
结果应该是这样对应1.1-1.3OK，cut the crap.一、计算机视觉(Computer Vision,CV)概述，1.1LeNet、AlexNet到ResNet，近年来卷积神经网络似乎一直在主导深度学习的发展。在计算机视觉中，卷积神经网络依靠端到端等多方面优势干掉了一票图像处理算法。在课程开始时，从吴老师的精神头能看出，卷积神经网络学起来肯定很过瘾.Andrew Ng计算机视觉图像分类的...
NLP+图神经网络+推荐领域】最值得看的经典综述文献
2201_75499313的博客
05-06 377
学习永无止境。
深度学习 GNN图神经网络（三）模型思想及文献分类案例实战
李乾文的博客
01-21 3130
本文介绍GNN图神经网络的思想原理，然后使用Cora数据集对其中的2708篇文献进行分类。用普通的神经网络与GNN图神经网络分别实现，并对比两者之间的效果。
[2021最新] 4篇图神经网络综述论文，建议收藏！
weixin_45519842的博客
03-04 6416
本文主要介绍了2021年最新的图神经网络综述，是入坑的最佳材料。图神经网络已经成为深度学习领域最炙手可热的方向之一了，也是各大互联网公司非常欢迎的方向。A Survey o...
【神经网络与深度学习-TensorFlow实践】-中国大学MOOC课程（一~二）（概述和TensorFlow2.0和2.4和GPU环境的安装和使用）
qq_45954434的博客
09-18 1099
【神经网络与深度学习-TensorFlow实践】-中国大学MOOC课程（一）第0讲 课程概述第1讲 人工智能的起源1.1 人工智能的诞生1.2 人工智能的发1.3 机智过人or技不如人r第2讲 TensorFlow2.02.1 开发环境介绍2.2 Anaconda的下载与安装2.3 Hello，World 第0讲 课程概述 1、机器学习是人工智能一个重要分支 2、深度学习是机器学习一个分支 3、深度学习可以简单理解为深层次的神经网络 第1讲 人工智能的起源 1.1 人工智能的诞生 1.2 人工智能的发 1.
浅谈神经网络
freeliao的专栏 在路上奔跑。。。
12-25 7333
神经网络简介      神经网络起源于上个世纪40年代，到现在已经有70年的历史。然而神经网络是最近几年才逐渐火起来的，因为以前相关的理论模型、训练方法和计算能力的条件都还不成熟，随着06年多伦多大学的hinton在science上发表了论文，用神经网络来把高维的
深度学习图神经网络实战教程：从算法到项目
"《深度学习-图神经网络实战》是一套综合性的教程，涵盖了图神经网络（GNN）的基础理论、PyTorch-Geometric框架的实战应用以及多个图神经网络项目的实施。教程通过视频、源码、数据和文档资料的形式，帮助学习者深入...
评论 13
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

五月的echo

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