论文略读：Less is More: on the Over-Globalizing Problem in Graph Transformers

最新推荐文章于 2024-12-28 11:15:02 发布
最新推荐文章于 2024-12-28 11:15:02 发布
阅读量209 收藏
点赞数 4
分类专栏： 论文笔记 文章标签： 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_40206371/article/details/143268947
版权

2024 ICML

  • 主要观点：Graph Transformer 中的过全局化问题 (Over-Globalizing Problem)
    • 当前 Graph Transformer 的注意力机制过度关注那些远端节点，而实际上包含了大部分有用信息的近端节点则被相对忽视了
  • ——>提出了一种新的采用协同训练的两级全局 Graph Transformer 方法 (CoBFormer)

单细胞论文记录(part6)--SpaGE: Spatial Gene Enhancement using scRNA-seq
小山羊的学习日志
05-27 369
学习笔记，仅供参考，有错必纠 阅读状态：略读 文章目录SpaGE: Spatial Gene Enhancement using scRNA-seqABSTRACTINTRODUCTIONMATERIALS AND METHODSSpaGE algorithmDatasets SpaGE: Spatial Gene Enhancement using scRNA-seq ABSTRACT Single-cell technologies are emerging fast due to their ab
【图像去噪】论文精读：MemNet: A Persistent Memory Network for Image Restoration
畅游计算机视觉的海洋
08-22 767
论文题目：MemNet: A Persistent Memory Network for Image Restoration —— MemNet：用于图像恢复的持久记忆网络ICCV 2017！延长记忆网络MemNet！DRRN相同团队出品！最近，非常深的卷积神经网络 (CNN) 在图像恢复中引起了相当大的关注。然而，随着深度的增长，这些非常深的模型很少实现长期依赖问题，这导致先验状态/层对后续状态几乎没有影响。
ICML 24 ｜过犹不及：揭示Graph Transformers 中的过全局化问题
AITIME_HY的博客
06-10 1268
点击蓝字关注我们AI TIME欢迎每一位AI爱好者的加入！Less is More: on the Over-Globalizing Problem in Graph Transformers作者：Yujie Xing, Xiao Wang, Yibo Li, Hai Huang, Chuan Shi单位：北京邮电大学，北京航空航天大学摘要：Graph Transformer，由于其强大的全局注意...
ICML 2024 | 过犹不及：揭示Graph Transformers中的过全局化问题
Paper weekly
05-31 640
©作者 | 邢宇杰单位 |北京邮电大学GAMMA Lab研究方向 |图神经网络论文链接：https://arxiv.org/abs/2405.01102代码链接：https://github.com/null-xyj/CoBFormer论文作者：Yujie Xing, Xiao Wang, Yibo Li, Hai Huang, Chuan Shi作者单位：北京邮电大学，北京航空航天大学Gra...
推荐系统笔记（十六）：推荐系统图协同过滤的深入理解：GDE
qq_46006468的博客
08-18 2075
1）作者研究了GCN的特征表示的主贡献部分是rough和smooth部分的特征，因此用超图分别卷积user和item，进行特征提取。（卷积又分为只用特征值最大的和特征值最小的一部分（看作两个卷积核），卷积核的参数可以动态学习也可以用函数映射特征值）。（2）作者在本文的出发点是GCN本身，通过频域分析，证实了GCN其实是针对局部进行卷积，设计了多层的频率响应，而本文则只使用一层进行卷积，反而达到卷积到更远的视野的目的。...
论文略读：Contrastive Learning is Spectral Clustering on Similarity Graph
qq_40206371的博客
04-15 395
iclr 2024 reviewer评分 56610。
论文略读：Onthe Expressivity Role of LayerNorm in Transformers’ Attention
qq_40206371的博客
06-10 232
ACL 2023。
论文略读：OpenGraph: Towards Open Graph Foundation Models
qq_40206371的博客
04-23 501
arxiv 2023。
论文略读：Graph Neural Processes for Spatio-Temporal Extrapolation
qq_40206371的博客
10-20 503
2023 KDD。
论文略读：Can We Edit Factual Knowledge by In-Context Learning?
qq_40206371的博客
10-28 331
EMNLP 2023。
论文略读：GRAG:GraphRetrieval-Augmented Generation
qq_40206371的博客
11-08 282
202404 arxiv
略读或渗透：在具有战略意义的消费者面前，新时尚产品的最优定价
03-12
这篇名为“略读或渗透：在具有战略意义的消费者面前，新时尚产品的最优定价”的研究论文，由Peng Du和Qiushuang Chen共同撰写，探讨了在这种情况下如何制定最优的新产品定价策略。 文章首先构建了一个简化的模型，...
文献略读：Frontier-Based 相关
m0_46167617的博客
09-14 1046
文献略读：Frontier Based 相关 A Frontier-Based Approach for Autonomous Exploration 该论文第一次提出了frontier-based方法 frontier：已知空间和未探索空间的分解区域 核心思想：To gain the most new information about the world, move to the boundary between open space and uncharted territory. 地图采用evid
文献记录(part105)--Structured graph learning for clustering and semi-supervised classification
小山羊的学习日志
05-19 275
学习笔记，仅供参考，有错必纠 阅读状态：略读 Structured graph learning for clustering and semi-supervised classification abstract Graphs have become increasingly popular in modeling structures and interactions in a wide variety of problems during the last decade. Graph-based c
pyQT + OpenCV小练习
最新发布
h1413517383的博客
12-28 428
锐化——使用cv2.Laplacian()、cv2.Sobel()实现。当用户点击下拉列表选项时，相应地更新窗口中显示的图像。提供一个按钮，当用户点击按钮时，能保存调整后的图像。模糊——使用cv2.GaussianBlur()实现。cv2.warpAffine（对图像进行放射变换）当用户点击按钮时，相应地更新窗口中显示的图像。边缘检测——使用cv2.Canny()实现。cv2.cvtColor（转换为灰度图）在 PyQt 的窗口中显示这张图像。在 PyQt 的窗口中显示这张图像。
AI Glass 明年会火，为 AIR 形态预热
【CSDN】
12-26 1097
AI Glass 明年会火，为 AIR 形态预热【AI×AR=AIR】。
【MySQL】细致入微讲解篇：深度学习与探索数据库索引
m0_66360096的博客
12-27 681
*前言:**本节内容主要讲解索引的下半部分。注意： 索引是很重要的知识点。务必学习！！本节将会主要索引的本质B+树， 以及为什么选择B+和操作索引。下面友友们开始学习吧！
PyTorch实战|运动鞋识别
weixin_52390875的博客
12-27 587
数据收集确定数据来源：明确数据是来自数据库、文件系统、网络爬虫、传感器等。例如，在构建一个图像识别模型时，数据可能来源于互联网上的公开图像数据集，像 CIFAR - 10（由 10 个不同类别的 60000 张 32x32 彩色图像组成）；或者是通过专门的图像采集设备获取。获取相关数据：按照预先确定的来源渠道，收集足够数量的数据。对于文本分类任务，可能需要从新闻网站、学术论文库等地方收集文本内容，并标注好类别，如财经新闻、科技新闻等。数据清理处理缺失值识别数据集中哪些属性存在缺失值。
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

UQI-LIUWJ

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
>