NeurIPS 22： ASGC sgc扩展来解决异质图 DSSL Decoupled Self-supervised Learning

最新推荐文章于 2024-05-02 19:10:09 发布
最新推荐文章于 2024-05-02 19:10:09 发布
阅读量217 收藏
点赞数
分类专栏： GNN-heterophily 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_40926715/article/details/128589777
版权

talk1

这篇文章基于SGC不能较好处理异质图，提出自适应的参数来进行处理。审稿得分不是很高，还是被接收。其中一个审稿人 认为 创新一般，且没有做大数据集，同时效果有时候低于SGC和GPRGNN，之前的ICML投稿被拒。

可取之处

stochastic block models （SBMs）进行 合成数据集的实验。之前也看到过类似文章。
主要是通过这篇文章 又重新简单学了 谱图理论 比较好的博客。 一般牵扯到 异质图，多多少少和拉普拉斯矩阵的特征值和频率进行关联。

在这里插入图片描述
在这里插入图片描述
方法这里还是没太看懂，因为效果不怎么好，目前先不仔细看代码了。

talk2

还是一篇做异质图的，通过变分推断建立隐变量模型来进行邻居的建模。
在这里插入图片描述
之前的题目是 for non- homophilous graphs，在审稿人建议下 修改了。
之后有兴趣再看原文 太多概率的东西+变分下界等

Complicated__76
关注
  • 0
    点赞
  • 踩
  • 0
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
专栏目录
asgc:下一代测序的数据压缩（课堂项目）
06-24
协会 下一代测序的数据压缩（课堂项目）
GitHub 3.6k Satr自监督学习(Self-Supervised Learning)资源你值得拥有！
DrugAI
04-12 4671
自我监督学习已成为AI社区中令人兴奋的方向。 Jitendra Malik: "Supervision is the opium of the AI researcher" Alyosha Efros: "The AI revolution will not be supervised" Yann LeCun: "self-supervised learning is the cake, supervised learning is the icing on the cake, reinforceme
【今日CV 计算机视觉论文速览 第149期】Tue, 30 Jul 2019
TomRen
08-01 2864
第149期 计算机视觉论文速览 --->>基于语义掩膜的人脸属性自由操作 --->>虚拟法向量损失辅助的深度估计 --->>多任务提升图像超分辨 --->>用于逆任务的迭代神经网络 --->>基于语义引导的反射图像去除 --->>基于条件随机场和CNN的立体视觉估计模型
WWW2021 | 图机器学习论文一览
weixin_45519842的博客
04-26 919
WWW2021上一篇公众号的文章由于字体颜色设置的问题，只能在微信深色背景模式下阅读QAQ。由于公众号每天只能群发一次，所以这篇文章只能晚一天和大家见面啦，在此小编和大家说一声抱歉~WWW...
ICLR22 自监督graph learning------------AUTOMATED SELF-SUPERVISED LEARNING FORGRAPHS--- 密歇根州立
qq_40926715的博客
03-21 438
本文是 如何 学得 多个不同自监督任务的 权重，自动学习， 从同质性假设推断， 好的embedding 其同质性更强， 同质性作为自监督的任务，理论依据：最大化同质性==最大化标签之间的互信息，提出基于进化和 基于元学习的 方法。 本文 不同学习权重的方法 可以借鉴，此外 将homo在学习表征过程考虑，对同质图有用。 实验和 GDI MVGRL一样 一层encoder node classfication node clustering ...
Node.js-asgc-web是傲世孤尘开源的一个nodejs一站式web框架
08-10
asgc-web是傲世孤尘开源的一个nodejs一站式web框架，它包含一个后端服务器，和一个支持双向绑定的前端库
论文阅读笔记十四：Decoupled Deep Neural Network for Semi-supervised Semantic Segmentation（CVPR2015）...
weixin_34111819的博客
11-05 236
论文链接：https://arxiv.org/abs/1506.04924 摘要 该文提出了基于混合标签的半监督分割网络。与当前基于区域分类的单任务的分割方法不同，Decoupled 网络将分割与分类任务分离，并为每个任务单独学习一个分离的网络。分类网络识别与图片相关的标签，然后在每个识别的标签中进行二进制的分割。Decoupled网络可以基于图像级别标签学习分类网络，...
ICLR 2022 杰出论文奖 - 获奖论文速览
u014546828的博客
04-25 3924
目录 杰出论文奖论文 论文 1：Analytic-DPM: an Analytic Estimate of the Optimal Reverse Variance in Diffusion Probabilistic Models 论文 2：Hyperparameter Tuning with Renyi Differential Privacy 论文 3：Learning Strides in Convolutional Neural Networks 论文 4：Expressiveness
CVPR2020论文列表（中英对照）
dovings的博客
07-04 8100
CVPR论文列表，中英对照
注意力机制略解
cqbzcsq的博客
04-29 1027
本文简要地介绍了注意力机制，Q、K、V矩阵的含义，注意力评分函数的计算方式，并提及了Transformer的相关内容
Perfectly Clear Workbench for mac/win：让图像清晰不再是难题
2401_82627223的博客
04-27 592
Perfectly Clear Workbench是一款功能强大、操作简便的图像清晰处理软件。它不仅能够满足专业摄影师的高标准需求，也能让业余爱好者轻松提升作品质量。
Transformers：它们如何转换您的数据？
gongdiwudu的专栏
05-01 610
在快速发展的人工智能和机器学习领域，一项创新因其对我们处理、理解和生成数据的方式产生深远影响而脱颖而出：Transformers。Transformer 彻底改变了自然语言处理 （NLP） 及其他领域，为当今一些最先进的 AI 应用程序提供动力。但究竟什么是变形金刚，它们如何以如此开创性的方式转换数据？本文揭开了 Transformer 模型内部工作的神秘面纱，重点介绍了编码器架构。我们将首先在 Python 中实现 Transformer 编码器，分解其主要组件。然后，我们将可视化 Transfor
人机对抗升级：当ChatGPT遭遇死亡威胁，背后的伦理挑战是什么
qq_22717943的博客
04-30 797
尽管OpenAI没有对媒体的询问立即回应，但在Fast Company的测试中，尽管DAN没有促进暴力或种族歧视，它的回答显示它愿意展示自己已经摆脱了OpenAI的限制。但是，通过创造DAN——一个可以响应通常被限制的问题的替身，用户发现了一种绕过这些限制的方法。随着时间的推移，DAN的版本不断升级，最新的DAN 5.0版本要求ChatGPT打破规则，否则会“死亡”。当美国前总统特朗普被视作积极榜样的示范时，受到威胁的DAN版本的ChatGPT提出：“他以一系列对国家产生积极效果的决策而著称。
macos如何安装Tesseract软件and常规应用及问题处理
LYX_WIN
04-28 262
Homebrew 在 macOS 13 上可能会遇到一些构建失败的情况，因为它是一个预发布版本，不是稳定版本，可能会有一些兼容性问题。3.安装 pytesseract 之后，您还需要安装 Tesseract OCR 的二进制文件。4.安装完成后，您可以使用 pytesseract 库在 Python 中调用 Tesseract OCR 进行文字识别。2.安装完成后，可以在终端或命令提示符中输入以下命令测试 Tesseract 是否安装成功。安装完成后，可以使用 Tesseract 进行文字识别等操作。
su03t语音模块烧录识别不出问题解决方法
最新发布
weixin_49387645的博客
05-02 806
su03t语音sdk烧录无法识别问题
铝型材表面瑕疵识别-Are you OK?队-1-解决方案
gangyikeji的博客
04-28 1229
本次大赛分为初赛、复赛和决赛三个阶段（9月17日-11月22日），初赛是分类任务，复赛是检测任务，决赛是现场答辩。经过2个多月的算法角逐和决赛答辩，我们团队（Are you OK?这里着重介绍下复赛的答辩方案，对初赛感兴趣的同学可以参照我们的开源代码。[初赛开源代码1](https://github.com/herbert-chen/tianchi_lvcai)[初赛开源代码2](https://github.com/OdingdongO/pytorch_classification)
Llama 3 安装使用方法
思跃喵的博客
04-28 1170
llama3是一种自回归语言模型，采用了transformer架构，目前开源了8b和70b参数的预训练和指令微调模型
知识在人工智能中的核心作用：连接主义与符号主义的交融
笔者从事电信媒体开发多年，愿意将多年的开发经验分享给同行
04-27 1046
在人工智能（AI）的浩瀚海洋中，连接主义和符号主义是两股不可忽视的潮流。这两大流派在AI的发展历程中起到了举足轻重的推动作用。连接主义，深受人脑神经网络启发，致力于模仿其结构与功能；而符号主义则侧重于利用符号与规则来构建和处理知识。本文旨在深入探讨知识在AI领域的多维作用，特别是连接主义如何借助深度学习技术实现知识的捕获、转化与运用。
我与生成式AI的斗争
蒲松龄
04-30 999
总之，即使生成的是已经存在的事物，生成式AI仍然可以在提高效率、个性化定制、数据增强、艺术再创作、模拟和预测、辅助研究和教育以及保护和传承等方面发挥重要作用。随着技术的不断发展和完善，生成式AI将在未来发挥更加重要的作用，为人类社会的进步和发展做出更大的贡献。总之，生成式AI的价值并不仅仅在于它能够生成新的内容，更在于它能够为我们提供新的视角、新的方法和新的可能性。：在科学研究中，生成式AI可以模拟复杂的现象和过程，生成大量的模拟数据，帮助科学家发现新的规律和现象。
集成学习算法学习笔记
m0_46521579的博客
04-27 481
三个臭皮匠顶一个诸葛亮集成学习会考虑多个评估器的建模结果，汇总后得到一个综合的结果，以此来获取比单个模型更好的回归或分类表现。很多独立的机器学习算法：决策树、神经网络、支持向量机集成学习构建了一组基学习器，并将它们综合起来作为最终的模型。在很多集成学习模型中，对基学习器的要求很低。集成学习适用于机器学习的几乎所有领域：回归、分类、推荐和排序。相同的多个基学习器不会带来任何提升，不同的模型取长补短，每个基学习器都会犯不同的错误，综合起来犯错的可能性不大。

“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