GNN+DA
赵zZZ
这个作者很懒,什么都没留下…
展开
-
Learning Disentangled Semantic Representation for Domain Adaptation-IJCAI-2019文章解读
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)...原创 2020-04-01 09:58:40 · 1564 阅读 · 4 评论 -
DANE: Domain Adaptive Network Embedding IJCAI 2019
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...原创 2020-04-02 10:08:20 · 957 阅读 · 2 评论 -
Unsupervised Domain Adaptive Graph Convolutional Networks-WWW-2020论文笔记
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...原创 2020-03-26 16:33:14 · 1671 阅读 · 1 评论 -
Graph neural Networks domain adaptive文章解读
GNN+DA文章解读1. GCAN: Graph Convolutional Adversarial Network for Unsupervised Domain Adaptation CVPR 20191. 主要思想2. main contributions3. 图卷积对抗网络1. GCAN: Graph Convolutional Adversarial Network for Unsup...原创 2020-03-26 11:33:57 · 835 阅读 · 0 评论 -
GCAN: Graph Convolutional Adversarial Network for Unsupervised Domain Adaptation CVPR 2019论文笔记
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...原创 2020-03-26 11:15:26 · 2237 阅读 · 5 评论