图神经网络
文章平均质量分 65
介壳
这个作者很懒,什么都没留下…
展开
-
翻译:Graph CNN for Survival Analysis on Whole Slide Pathological Images
Graph CNN for Survival Analysis on Whole Slide Pathological Images全载玻片病理图像生存分析的图形神经网络摘要: 深度神经网络通过提供高质量的特征而被用于生存预测。然而,很少有人注意到整体切片病理图像拓扑特征的重要作用(WSI)。在WSIs上学习拓扑特征需要密集的计算。此外,无线传感器网络的最优拓扑表示仍然是模糊的。此外,如何在生存预测中充分利用WSI的拓扑特征是一个有待解决的问题。因此,我们建议将WSI建模为图,然后开发具有注意力学习的图原创 2021-06-16 09:09:51 · 894 阅读 · 0 评论 -
GCN最简单的实现
https://pytorch-geometric.readthedocs.io/en/latest/notes/introduction.htmlGCN最简单的实现PyTorch Geometric中的一个图由的实例描述torch_geometric.data.Datadata.x:具有形状的节点特征矩阵 [num_nodes, num_node_features]data.edge_index:具有形状和类型的COO格式的图形连接[2, num_edges]torch.longdata.edg原创 2021-05-24 20:08:19 · 262 阅读 · 0 评论 -
图分类任务常用数据集
D&D 在蛋白质数据库的非冗余子集中抽取了了1178个高分辨率蛋白质,使用简单的特征,如二次结构含量、氨基酸倾向、表面性质和配体;其中节点是氨基酸,如果两个节点之间的距离少于6埃(Angstroms),则用一条边连接。(DD数据集中节点是没有标签的,节点只有特征)PROTEIN 则是另一个蛋白质网络。任务是判断这类分子是否酶类。NCI-1 是关于化学分子和化合物的数据集,节点代表原子,边代表化学键。NCI-1包含4100个化合物,任务是判断该化合物是否有阻碍癌细胞增长的性质。用于抗癌..原创 2021-04-28 16:33:57 · 1963 阅读 · 7 评论 -
SAGPool笔记
Self-Attention Graph Pooling 图分类 图池化方法 ICML 2019转载:https://blog.csdn.net/yyl424525/article/details/103327551Arxiv:https://arxiv.org/abs/1904.08082github链接:https://github.com/inyeoplee77/SAGPool...转载 2021-04-21 11:09:55 · 693 阅读 · 0 评论 -
DiffPool 笔记 自用
DiffPool 笔记 自用DiffPool 可微池化的层次图表示学习相关概念背景堆叠GNNs和pooling层Diff pool正则化实验DiffPool 可微池化的层次图表示学习转载:版权声明:本文为CSDN博主「不务正业的土豆」的原创文章,遵循CC 4.0 BY-SA版权协议,转载请附上原文出处链接及本声明。原文链接:https://blog.csdn.net/yyl424525/article/details/103307795Hierarchical Graph Representati转载 2021-04-21 10:07:46 · 2368 阅读 · 0 评论