Graph neural Networks domain adaptive文章解读

最新推荐文章于 2022-06-14 21:27:00 发布
置顶 最新推荐文章于 2022-06-14 21:27:00 发布
阅读量791 收藏 6
点赞数 3
分类专栏： GNN+DA
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_40491207/article/details/105112191
版权

Graph neural Networks domain adaptive文章解读

1. DANE: Domain Adaptive Network Embedding IJCAI 2019

论文下载链接

论文笔记链接
关键词： 图卷积神经网络，对抗学习，域适应

  1. 最早的将图网络与DA相结合 （框架设计较为简单。其实同期有很多相关文章，下方已有连接） 。
  2. 共享权重的图卷积网络作为源域和目标域的特征提取器，整个网络的生成器。
  3. 结合GAN的思想设计判别器进行域的分布对齐。

2. GCAN: Graph Convolutional Adversarial Network for Unsupervised Domain Adaptation CVPR 2019

论文下载链接

论文笔记链接

关键词： 图卷积对抗网络，无监督，域适应

  1. 算法设计出发点是要同时利用数据结构、域标签和类标签这三种信息进行联合建模，并为此设计了对应的跨域对齐网络。
  2. 结构对齐网络依靠源域数据训练一个数据结构分析网络来计算结构分数，最后作为GCN的链接矩阵最后得到GCN embedding。
  3. 域对齐网络使用对抗网络对全局建模
  4. 类中心对齐依靠基于伪标签生成的分类器进行聚类。

3. Unsupervised Domain Adaptive Graph Convolutional Networks-WWW-2020

论文下载链接

论文笔记链接
关键词： 双图机制，局部信息和全局信息，源域样本分类器，目标域样本分类器，域分类器

  1. 利用双图机制获取局部和全局信息。
  2. 用注意力机制获取Embedding。
  3. 三个分类器loss做反向传播更新网络。

4. Learning Disentangled Semantic Representation for Domain Adaptation-IJCAI-2019

论文下载链接

论文笔记链接

**关键词：**域信息和类别信息的解耦表达，对抗网络

  1. 作者假设特征空间的域不变信息由域信息和类别信息构成。而域信息差异较大，起主导作用的应当是类别信息，因此作者的目的是对其解耦充分学习不含有域信息的类别信息。
  2. 通过类VAE框架对域隐变量和语义（类别）隐变量进行重构。
  3. 设计了两个对抗网络来学习域隐变量和语义（类别）隐变量。

5. 待更新

赵zZZ
关注
  • 3
    点赞
  • 踩
  • 6
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
专栏目录
Adaptive Graph Walk Based Similarity Mearsures in Entity_Relation Graph
04-22
图 关联实体 查询 图 关联实体 查询 英文论文 128页
2020 Domain Adaptation 最新论文：插图速览（三）
u014546828的博客
11-30 3113
2020 Domain Adaptation 最新论文：插图速览（三） 目录 Learning to Combine: Knowledge Aggregation for Multi-Source Domain Adaptation Every Pixel Matters: Center-aware Feature Alignment for Domain Adaptive Object Detector A Balanced and Uncertainty-aware Approach for P
图上的迁移学习
weixin_40239306的博客
09-23 3458
图上的迁移学习常用概念Network Transfer Learning via Adversaria Domain Adaptation with Graph Convolution ——AdaGCN算法笔记AdaGCN 基本思想AdaGCN 基本定义及符号说明AdaGCN 基本框架实验DANE: Domain Adaptive Network Embedding——DANE算法笔记DANE 基本思想DANE 符号表示定义DANE 基本框架理论分析实验 常用概念 交叉网络节点分类问题：给定一个全部标记或者
DANE: Domain Adaptive Network Embedding IJCAI 2019
qq_40491207的博客
04-02 910
DANE: Domain Adaptive Network Embedding IJCAI 20191. 摘要2. Main contributions3. Proposed method1. 共享权重的GCN网络 文章链接 1. 摘要 早前的embedding网络聚焦于学习单个图网络的节点表示，不能实现不同域之间的迁移，即domain adaptation。 作者提出了一种新的基于多图的图卷积...
Domain Adaptive Neural Networks for Object Recognition
gdtop的个人笔记
04-12 4158
本篇是迁移学习专栏介绍的第五篇论文，PRICAI 2014的DaNN（Domain Adaptive Neural Network）。 Abstract 提出了一种简单的神经网络模型来处理目标识别中的Domain Adaptive问题。我们的模型将Maximum Mean Discrepancy(MMD)作为正则化方法引入监督学习中，以减少潜在空间中源域和目标域的分布不匹配。从实验中，我们证明...
【点云处理之论文狂读经典版13】—— Adaptive Graph Convolutional Neural Networks
yuanmiyu6522的博客
06-14 1165
本文所参考的方法将 one-hop local kernel 扩展到了 KKK-hop 连接的情况上。根据graph Fourier transform，如果UUU是LLL的graph Fourier basis集合，那么： xk+1=σ(gθ(LK)xk)=σ(Ugθ(ΛK)UTxk). x_{k+1}=\sigma\left(g_{\theta}\left(L^{K}\right) x_{k}\right)=\sigma\left(U g_{\theta}\left(\Lambda^{K}\right)
GCAN: Graph Convolutional Adversarial Network for Unsupervised Domain Adaptation CVPR 2019论文笔记
qq_40491207的博客
03-26 2109
文章目录摘要1. 简介 摘要 为了在源域和目标域之间构建交互桥梁实现域自适应（domain adaptation），现阶段有三种重要的信息类型:数据结构、域标签和类标签。现有的领域适应方法大多只利用了上述信息的一种或两种类型，不能使它们相互补充和增强。与现有的方法不同，我们提出了一种端到端的图卷积对抗网络(GCAN)，通过在统一的深度模型中对数据结构、域标签和类标签进行联合建模，实现无监督域自适应...
《Adaptive Graph Convolutional Neural Networks》论文理解
moster.YC的博客
06-05 3369
1.AGCN模型框架 AGCN由多个连续层组合而成，其核心层为SGC-LL层。层组合包括一个SGC-LL层，一个批处理归一层和一个图最大池化层。在每个SGC-LL层训练残差图Laplacian，并在接着一层图池层。在下一个SGC-LL层之前，自适应图(固有+残差图)一直被重用，因为SGC-LL会变换特征，所以下一个SGC-LL需要重新训练一个新的残差图。 在进过上述组合层（SGC-LL层，批处理归一层，图最大池化层）后，批处理的图形结构将被更新，而图形大小保持不变。由于任何图像粗化或特征平均都将破坏信息性局
GCAN: Graph Convolutional Adversarial Network for Unsupervised Domain Adaptation
m0_51496961的博客
04-11 3392
【论文笔记】用于无监督领域自适应的图卷积对抗网络GCAN: Graph Convolutional Adversarial Network for Unsupervised Domain Adaptation
Introduction to Graph Neural Networks.pdf
04-19
GNN在2022研究进展？CMU-Minji112页PPT《图神经网络导论》卡内基梅隆大学(Carnegie Mellon University)计算机科学系的一名博士生，导师是Christos Faloutsos和Ruslan ...研究兴趣在Deep Graph Learning领域。
刘知远-Introduction to Graph Neural Networks.pdf
04-01
Euclidean graph data that contains rich relational information between elements and cannot be well handled by traditional deep learning models (e.g., convolutional neural networks (CNNs) or recurrent ...
A comprehensive survey on graph neural networks..pdf
02-14
A comprehensive survey on graph neural networks..pdf
E(n) Equivariant Graph Neural Networks
04-13
E(n) Equivariant Graph Neural Networks
A Comprehensive Survey on Graph Neural NETWORKS.pdf
02-27
networks, convolutional graph neural networks, graph autoencoders, and spatial-temporal graph neural networks. We further discuss the applications of graph neural networks across various domains ...
Unsupervised Domain Adaptive Graph Convolutional Networks-WWW-2020论文笔记
qq_40491207的博客
03-26 1625
2. Unsupervised Domain Adaptive Graph Convolutional Networks-WWW-2020 论文链接 1. 主要思想 作者认为现有的GCN算法只能在单个domain（graph）中应用，无法实现跨域的迁移学习。提出了无监督域自适应图卷积网络。为有效获取图表达学习，作者构建了一个双图卷积网络，能够统一利用局部一致性和全局一致性进行特征聚合；再通过注意力...
Learning Disentangled Semantic Representation for Domain Adaptation-IJCAI-2019文章解读
qq_40491207的博客
04-01 1502
Learning Disentangled Semantic Representation for Domain Adaptation-IJCAI-2019文章解读1. 摘要2.main contributions3. 可解耦的语义表达模型4. 理论证明详见论文5. 实验 1. 摘要 现有的大多数域适应方法无法从特征空间提取具有entangle domain information（域耦合信息）...
2024-2030全球及中国PCB接触式探头行业研究及十五五规划分析报告.docx
最新发布
04-18
2024-2030全球及中国PCB接触式探头行业研究及十五五规划分析报告
网站界面设计mortal0418代码
04-18
网站界面设计mortal0418代码
graph neural networks
03-16
图神经网络（Graph Neural Networks）是一种用于处理图数据的深度学习模型。它可以对节点和边进行特征提取和表示学习，从而实现对图数据的分类、聚类、预测等任务。图神经网络的应用领域包括社交网络分析、化学分子结构预测、推荐系统等。

“相关推荐”对你有帮助么？

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
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
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