图神经
三丫丫哦
THU自动化专业在读硕士
e-mail: [email protected]
github: https://github.com/yyysjz1997
kaggle: https://www.kaggle.com/yyysjz
website: https://yyysjz1997.github.io/
展开
-
综述笔记:《Graph Neural Networks:A Review of Methods and Applications》-2019
2. 读《Graph Neural Networks:A Review of Methods and Applications》-20192.1 基本概念图神经网络(GNNs)是通过图的节点之间的消息传递来获取图的依赖性的连接模型。与标准的神经网络不同,图神经网络保留了一种能够以任意深度表示其邻域信息的状态。基于图形卷积网络(GCN)、图形注意网络(GAT)、门控图形神经网络(GGNN)等图形神经网络变体的系统在上述许多任务上都表现出了突破性的性能。CNN强在{局部连接,权值共享,多层抽象},CNN原创 2020-06-26 23:24:44 · 10666 阅读 · 0 评论 -
笔记:《Graph Convolutional Neural Networks for Predicting Drug-Target Interactions》-2019
1. 读《Graph Convolutional Neural Networks for Predicting Drug-Target Interactions》-20191.1概述文章模型的目标:靶标-配体匹配,图卷积学习有意义的蛋白质口袋的框架提出的算法模型:用于预测蛋白质-配体相互作用的GCN。算法性能:在常见的虚拟筛选基准数据集上获得了更好或可比的3dcnn配体评分、Autodock Vina、RF-Score和nnScore在GCN中,每一个node对应一个残基,每一个边缘表征节点之间的原创 2020-06-26 23:15:34 · 12148 阅读 · 1 评论 -
笔记《Graph Neural Tangent Kernel: Fusing Graph Neural Networks with Graph Kernels》-NeurIPS 2019
1 读《Graph Neural Tangent Kernel: Fusing Graph Neural Networks with Graph Kernels》-NeurIPS 2019GNN的优势:1. 图神经网络使用多层结构和非线性激活函数来提取图的高阶信息作为特征。GNN的缺点:1.训练过程中存在大量的超参数,且训练过程具有非凸性,使得 GNN 的训练更加困难。2.GNN 的表达能力随参数的数量而变化,在计算资源有限的情况下,很难充分利用 GNN 的表达能力。GKs的优势:1. GKs继承了内原创 2020-06-26 23:04:45 · 11118 阅读 · 0 评论