会议笔记（四）：图卷积神经网络

最新推荐文章于 2023-12-18 09:50:09 发布
最新推荐文章于 2023-12-18 09:50:09 发布
阅读量387 收藏
点赞数 1
分类专栏： 读文章笔记与会议学习笔记 图神经网络入门(打卡营学习笔记-已完结)
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_37486501/article/details/113050684
版权
本文介绍了图卷积网络（GCN）的基础知识，包括其与CNN的区别，以及GCN在知识图谱、KGCN、RGCN和CompRGCN等场景的应用。GCN通过邻接矩阵和特征矩阵获取图信息，而RGCN在实体分类任务中表现出色，但可能面临过拟合问题。最后提到了Hyper GCN的排列组合特性。
摘要由CSDN通过智能技术生成

图卷积神经网络

图卷积的背景知识

  1. CNN或者RNN无法得到图的信息，目前流行的：GCN——GAT（加入了注意力机制）

图卷积：

特征矩阵：每个结点对应的特征矩阵的维数
输入：邻接矩阵、特征矩阵
输出：特征矩阵
在这里插入图片描述

GCN与CNN的区别：

GCN：CNN加了图
在这里插入图片描述

GCN

归一化：防止影响模型收敛。使得对角线是有值的。对每行取一个最大值
在这里插入图片描述

了解本专栏 订阅专栏 解锁全文
Laura_Wangzx
关注
专栏目录
订阅专栏
图卷积神经网络GCN、GAT的原理及Pytorch实现
Python，数据分析，机器学习，深度学习
10-22 7512
ICLR作为机器学习方向的顶会，最近看了ICLR2023 Openreview的论文投稿分析，通过2022和2023年论文关键词、标题高频词等信息的可视化比较。根据前十的关键词频率排名频率来看，基本上和去年保持一致，大火的领域依旧大火。但是可以明显看到前五名关键词的频率差距逐渐减少。有意思的是这一关键词终于又重回前三，再次为「国际学习表征会议」（ICLR）正名。这一关键词则是掉了一名，与交换了位置，但相比于去年的频率仍然火爆。GCN作为GNN的变种，依然是一个发论文的热门。
[2019计算机视觉]——贪心学院 学习笔记 3. 神经网络基础
蒟蒻菜鸡的博客
10-21 586
占位符
免费直播公开课 | 图卷积神经网络, BERT, 对话生成，知识图谱
fengdu78的博客
05-20 485
大家好，我是贪心学院的小编。自从今年二月份举办的火爆的BERT、XLNet专题课以来，已经三个月没有跟大家见面了。这一次我们又给大家带来了重磅级的系列公开课，由贪心学院和京东智联云联合打...
理解图卷积网络的节点分类
陨星落云的博客
08-30 7077
理解图卷积网络的节点分类 在过去的十年中，神经网络取得了巨大的成功。但是，只能使用常规或欧几里得数据来实现神经网络的早期变体，而现实世界中的许多数据都具有非欧几里得的底层图形结构。数据结构的不规则性导致了图神经网络的最新发展。在过去的几年中，正在开发图神经网络的各种变体，其中之一就是图卷积网络（GCN）。GCN也被视为基本的图神经网络变体之一。 在本文中，我们将更深入地研究由Thomas Kipf和Max Welling开发的图卷积网络。我还将在使用NetworkX构建第一个图形时给出一些非常基本的示例。
图卷积神经网络(GCN)理解与tensorflow2.0代码实现
VariableX的博客
11-19 9215
图(Graph)，一般用 G=(V,E)G=(V,E)G=(V,E) 表示，这里的VVV是图中节点的集合，EEE 为边的集合，节点的个数用NNN表示。在一个图中，有三个比较重要的矩阵： 特征矩阵XXX：维度为 N×DN\times DN×D ，表示图中有N个节点，每个节点的特征个数是D。 邻居矩阵AAA：维度为 N×NN\times NN×N ，表示图中N个节点之间的连接关系。 度矩阵 DDD：维度为 N×NN\times NN×N ，是一个对角矩阵，即只有对角线上不为零，其他位置元素都是 0 ，表示图中
实现基于图卷积网络的节点分类算法
最新发布
Snusifg的博客
12-18 125
在复杂网络中，节点分类是一项重要的任务，它可以帮助我们理解网络结构和节点之间的关系。近年来，基于图卷积网络的节点分类算法应运而生，它能够有效地利用节点之间的拓扑结构信息，提供更准确的分类结果。基于图卷积网络的节点分类算法能够有效地利用节点之间的拓扑结构信息，提供更准确的节点分类结果。图卷积层：图卷积层是图卷积网络的核心组件。具体而言，图卷积层首先对邻接矩阵进行归一化处理，然后将节点特征和归一化的邻接矩阵相乘，得到新的节点表示。节点分类：节点分类是指将图中的节点划分到不同的预定义类别中的任务。
深度学习：卷积神经网络从入门到精通
GitChat
03-28 2万+
内容简介 全面介绍各种卷积神经网络的模型、算法及应用，指导读者把握其形成和演变的基本脉络，以帮助读者在较短的时间内从入门达到精通的水平。有兴趣的读者可以从本书开始，通过图像分类、识别、检测和分割的案例，逐步深入卷积神经网络的核心，掌握深度学习的方法和精髓，领会 AlphaGo 战胜人类世界冠军的奥秘。 作者简介 李玉鑑（鉴） 北京工业大学教授，博士生导师。华中理工大学（现名为华中科技大学）本科毕...
HSEmotion：高效卷积神经网络情感识别软件，准确高速分类静态面部照片的情绪
高速情感识别库安德烈五世SavchenkoHSE大学，网络分析算法和技术实验室，下诺夫哥罗德，俄罗斯A R T I C L E I N F O保留字：面部表情识别野外情感行为分析情感分类高效卷积神经网络A B标准最近，人们对减轻情感行为...
GNN学习笔记（四）：图注意力神经网络（GAT）节点分类任务实现
LuoMin2523的博客
06-23 5484
目录 0 引言 1、Cora数据集 2、citeseer数据集 3、Pubmed数据集 4、DBLP数据集 5、Tox21 数据集 6、代码 嘚嘚嘚，唠叨小主，闪亮登场，哈哈，过时了过时了，闪亮登场换成大驾光临，哈哈，这样才颇有气势，哼哼... （唠叨小主哼哼了两声，对新改的词表示满意，微拉裙侧，留下了高跟鞋的声音...） 0 引言 近年来，人们对深度学习方法在图上的扩展越来越感兴趣。在多方因素的成功推动下，研究人员借鉴了卷积网络、循环网络和深度自动编码器的思想，定义和设计了用于处理图
图卷积神经网络GCN之节点分类
m0_61142248的博客
04-11 2839
使用pytorch 的相关神经网络库， 手动编写图卷积神经网络模型(GCN)， 并在相应的图结构数据集上完成节点分类任务。
图卷积 节点分类_在节点分类任务上训练图卷积网络
weixin_26713521的博客
09-01 3239
图卷积 节点分类This article goes through the implementation of Graph Convolution Networks (GCN) using Spektral API, which is a Python library for graph deep learning based on Tensorflow 2. We are going to pe...
图卷积理论知识
邹小驴
01-07 2008
https://zhuanlan.zhihu.com/p/67336297（论述 拉普拉斯矩阵和拉普拉斯算子的关系，以及推导公式） https://blog.csdn.net/yyl424525/article/details/100058264（超全，这个评论中提及到如何将欧式空间的图像转换成图结构，将某一个像素设置为中心节点，距离中心像素值比较近的临界像素设置为邻接节点） https://...
推荐系统算法工程师培养计划
datayx的文章
06-19 549
由于近些年深度学习技术的飞速发展，大力加速推动了AI在互联网以及传统各个行业的商业化落地，其中，推荐系统、计算广告等领域彰显的尤为明显。由于推荐系统与提升用户量以及商业化变现有着密不可分...
图卷积样例 graph convolution network
心之所向
12-20 8999
来源：如何用图卷积网络在图上做深度学习 Graph Neural Network Review 傅里叶分析之掐死教程（完整版）更新于2014.06.06 如何理解 Graph Convolutional Network（GCN）？ graph convolution network有什么比较好的应用task？ 卷积神经网络不能处理“图”结构数据？这篇文章告诉你答案 如何用图卷积网络（G...
图卷积网络详细介绍（一）
Javy Wang
11-09 1万+
在图上进行机器学习是一项困难的任务，因为它的复杂性很高，同时也是由于信息丰富的图结构。这篇文章是关于如何用图卷积网络(GCNs)对图进行深度学习的系列文章中的第一篇。本文翻译自Tobias Skovgaard Jepsen写在Medium上的介绍文章，已经获得其本人的许可。
图卷积网络（Graph Convolutional Network）
热门推荐
lijunweiyhn的博客
02-25 2万+
转载+整理：https://blog.csdn.net/qq_41727666/article/details/84622965 序 — 图简介，图卷积网络的出现。 图（graph）是一种数据格式，它可以用于表示社交网络、通信网络、蛋白分子网络等，图中的节点表示网络中的个体，连边表示个体之间的连接关系。许多机器学习任务例如社团发现、链路预测等都需要用到图结构数据，因此图卷积神经网络的出现为这些...
GCN - Semi-Supervised Classification with Graph Convolutional Networks 用图卷积进行半监督节点分类 ICLR 2017
知行合一，止于至善
08-07 1万+
文章目录Abstract1.Intruduction2.Fast Approximate Convolutions on Graphs（图的快速近似卷积）2.1 SpectralGraph Convolutins（谱图卷积）补充证明2.2 Layer-wise Linear Model（逐层线性模型）3. Semi-supervised Node Classfication（半监督节点分类）3.1...
深度学习课程：图卷积神经网络详解
"纽约大学深度学习课程的《图卷积神经网络》笔记，涵盖了传统卷积网络、谱图卷积网络、空间域图卷积网络以及图神经网络的基准测试，由Xavier Bresson等人讲解，旨在阐述GCN的最新研究进展。" 在计算机视觉领域，...
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

Laura_Wangzx

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