李宏毅助教GNN视频笔记

最新推荐文章于 2023-10-14 19:26:32 发布
最新推荐文章于 2023-10-14 19:26:32 发布
阅读量383 收藏 4
点赞数
分类专栏： GNN 文章标签： 深度学习 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_42033584/article/details/120671673
版权
本文详细介绍了多种基于空间的图神经网络模型，包括NN4G、DCNN、DGC、MoNET、GraphSAGE、GAT，探讨了如何利用节点邻居信息进行卷积操作，以及在不同模型中的卷积和聚合策略，适用于图分类、节点分类等任务。
摘要由CSDN通过智能技术生成

介绍

一、Gragh
主要强调节点和边的性质。

二、GNN
1.GNN可以做分类和generation
2.三个小问题：
我们如何利用结构和关系来帮助我们的模型？
如果图像更大，比如20k 节点呢？
如果我们没有所有的标签呢？（标签不多情况下）
在这里插入图片描述
一个节点可以从它的邻居那里学习结构，可以利用卷积

如何利用卷积将节点嵌入到特征空间中？
解决方案1: 将卷积(相关)概念推广到图形 > 基于空间的卷积
解决方案2: 回到信号处理中卷积的定义 > 基于谱的卷积

**

策略

在这里插入图片描述

任务、数据集和基准

Tasks
半监督节点分类
回归
图分类
图表示学习
链路预测

数据集
（1）CORA: citation network. 2.7k nodes and 5.4k links
（2）U-MUTAG: 188 molecules with 18 nodes on average

最低0.47元/天 解锁文章
李宏毅老师-GNN Part1
weixin_46675905的博客
05-04 362
慢慢来，会做到更好！ GNN（Graph Neural Networks） part1 让我们先了解一下什么是Graph？ 如下图例子所示，有节点有边的图形可以粗略定义为Graph 那么，问题来了 我们为什么需要GNN呢？ 怎么把一个Graph塞入一个neural network呢？ 我们为什么需要GNN呢？ 仔细想想，我们是不是忽略了一点重要的情况呢？ 没错，那就是人物之间的关系！ 但是又有一些问题发生了 我们该怎么用node 的邻居来帮助model做训练呢？ 下列有两种方法
李宏毅2021机器学习笔记（一）
qq_44698709的博客
03-06 754
什么是机器学习？ 简单来说就是让机器帮我们找一个函数，即一个映射。如声音—>文字的语音识别函数 自变量可以是向量，矩阵（图像识别），序列 输出是数值、图片等 课程讲什么？ 一、 监督学习，给定图片人工的告诉机器其类型，训练模型，让机器拥有 f（图片）—>类型 这一函数 二、 训练模型之前进行Pre-train，让机器学习如何辨别图片这一基本功，因为人工输入图片类型过于繁琐。只需传入大量图片资料即可自动训练。如把图片翻转、变色，询问机器是不是可以...
【李宏毅】GNN学习笔记
SofiaT的博客
04-24 453
GNN学习笔记
图神经网络---台大李宏毅老师助教---听课笔记
野生蘑菇菌的博客
05-10 1093
首先上链接台大李宏毅助教讲解GNN图神经网络 图神经网络---台大李宏毅老师助理---听课笔记一、为什么要用图神经网络二、时域上的图神经网络三、频域上的图神经网络 一、为什么要用图神经网络 图神经网络和单纯神经网络一个很大的区别就是，图神经网络有节点和边的这种结构。 具体应用上，图神经网络可以识别具有图片，文字等结构信息。 比如识别一个人物的身份的任务就需要首先识别人，然后识别与之相关的其他人的信息（利用边连接），最后综合这些信息得出判断 二、时域上的图神经网络 1、 更新单个节点时，把邻居节点加起来，
番外.李宏毅学习笔记.12.GNN
老毛的博客
04-12 3517
文章目录前言IntroductionNN（略）Graph常见GNN应用ClassificationGeneration结合社交网络的分类现有问题RoadmapTasks, Dataset, and BenchmarkGraph Classification: SuperPixel MNIST and CIFAR10Regression: ZINC molecule graphs datasetNo...
李宏毅机器学习|图神经网络Graph Nerual Networks(GNN)|学习笔记
qq_39923466的博客
09-05 2901
文章目录前言1 Introduction2 使用步骤1.引入库2.读入数据总结 前言 最近看的论文里面主要是就是图神经网络Graph Nerual Networks，然后就来学习下李宏毅机器学习中的图神经网络的内容，记个笔记。 1 Introduction GNN简单来说就是Graph + Nerual Networks,关键问题就是将图的结构和图中每个节点和边的特征转化为一般的神经网络的输入（张量）。 示例：pandas 是基于NumPy 的一种工具，该工具是为了解决数据分析任务而创建的。 2 使用
李宏毅机器学习|图神经网络Graph Nerual Networks(GNN)|学习笔记-part1
xiaopihaierletian的博客
12-06 1583
李宏毅机器学习|图神经网络Graph Nerual Networks(GNN)|学习笔记
李宏毅助教姜同学讲解GNN.pdf
03-19
在这份关于图神经网络（Graph Neural Networks，GNN）的教程资料中，我们可以提炼出以下几个重要的知识点： 1. 图神经网络（GNN）的基础概念与应用领域： GNN是一类神经网络，专门设计用于处理图结构数据。与传统...
李宏毅机器学习笔记
01-18
李宏毅机器学习笔记，文档文件，笔记全面，总结充分，仅供学习
李宏毅强化学习课程笔记
最新发布
10-10
李宏毅强化学习精心制作笔记
《神经网络与深度学习》+李宏毅ppt
10-31
《神经网络与深度学习》是深度学习的经典入门之作，里面包含了原理和手写识别等经典实战代码；李宏毅老师对深度学习的讲解深入浅出。是一份不错的资源。
李宏毅机器学习第十二周GNN&HW3
weixin_44162879的博客
10-14 390
本周主要学习了GNN网络，了解了两类GNN基础类型：继承CNN中的思路的Spatial-based convolution以及以信号处理中卷积操作的定义作为思路的Spectral-based convolution。主要认识了几种基于CNN思路的Spatial-based的GNN模型。之后完成了HW3，主要用了训练增强、focal loss、mixup、tta和残差神经网络。
李宏毅机器学习第十周_GNN
m0_68477761的博客
07-02 521
GNN是一种基于图结构的深度学习方法，GNN通过在图结构中传递信息，实现节点间的特征融合，从而捕捉图中的局部与全局结构信息。目前，GNN已广泛应用于社交网络分析、生物信息学、交通预测等领域，并在节点分类、图分类和链接预测等任务中表现出色。GNN的主要组成部分为消息传递机制、聚合函数和更新函数，分别负责在图中传递节点信息、整合邻居节点的特征和更新节点嵌入。为了提高GNN的性能，研究者们提出了各种改进策略，如图注意力网络（GAT）和图同构网络（GIN）等。
[2022]李宏毅深度学习与机器学习第四讲（选修）-GNN
weixin_45920982的博客
11-22 829
求距离等于2的节点然后求平均之后再乘权重，这样反复执行完求距离等于K的。2、路漫漫其修远兮，学习是不断重复和积累的过程。怕自己看完视频不及时做笔记，学习效果不好，因此想着做笔记，提高学习效果。1、监督自己把50多个小时的视频看下去，所以每看一部分内容做一下笔记，我认为这是比较有意义的一件事情。3、因为刚刚入门深度学习，听课的过程中，理解难免有偏差，也希望各位大佬指正。把相邻的节点相加，然后乘W，在与自身相加乘W，这样不断地更新。readout这一步，就是求每个图的平均各乘W，之后相加。
李宏毅机器学习笔记（）GNN
sinat_22510827的博客
01-07 258
一、introduction How do we utilize the structures and relationship to help our model? What if the graph is larger, like 20k nodes? What if we don‘t have the all the labels? 在data structure上做convolution ...
GAN李宏毅(1)
duyue3052的博客
09-22 1874
目录 GAN的种种变形的收集 课程内容 1基本概念 1.1核心问题 1.2算法 1.3结果——遍历的创造力 2GAN 是一种结构学习 2.1分类、回归、结构学习 2.2 结构学习的难度 2.3传统解决这个问题的方法  3generator自己学会怎么样 3.1用encode-decode网络的decode代作为生成器 3.2这种方式的问题 3.3VAE解决这个问题 3...
李宏毅机器学习课程梳理【十】：GNN&Spectral-based GNN
-Belladonna的博客
08-01 1172
Fourier Transform 首先了解一下Almost Fourier Transform。如何让机器挑出一个信号的频率？将以时间为横轴、强度为纵轴的波形信号缠绕在一个单位圆上，关注两个变量：一个是信号的频率，每秒上下震荡N次；另一个是图像缠绕中心圆的频率，每秒转n圈。增大缠绕频率n的大小，使信号缠绕得越来越快，也就是每秒转圈数n越来越大，做一个二维平面上的缠绕图像，记录图像质心的位置变化。先暂时只记录质心在x轴的位置变化，绘制图像，发现n逐渐变大，质心几乎只在原点附近移动；当在n=N附近时，质心会大
李宏毅机器学习【深度学习】（18）【 GNN】
lance～crazy
08-16 360
GNN spatial-based GNN NN4G DCNN Diffusion-convolution Neural Network MoNET (Mixture Model Networks) GraphSAGE GAT Graph Attention Networks GIN Graph Isomorphism Network
李宏毅机器学习课程梳理【九】：GNN&Spatial-based GNN
-Belladonna的博客
07-25 838
GNN
李宏毅2020机器学习笔记attention
08-12
在李宏毅的2020机器学习笔记中，有一个关于注意力机制(Attention)的部分。这部分内容主要介绍了生成模型(Generation)、注意力(Attention)、生成的技巧(Tips for Generation)以及指针网络(Pointer Network)。在生成...
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
>