图卷积神经网络（GCN）学习笔记

最新推荐文章于 2023-11-23 11:38:03 发布
最新推荐文章于 2023-11-23 11:38:03 发布
阅读量537 收藏 8
点赞数 1
分类专栏： 强化学习笔记
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_42743778/article/details/109342468
版权

参考材料

  1. 图卷积网络GCN详细介绍（强烈推荐！！！）
    https://blog.csdn.net/yyl424525/article/details/100058264
  2. 图卷积神经网络简单理解 https://www.zhihu.com/column/p/71200936
  3. 图卷积网络理解（可参考，内容和1极为相似，但有答主的个人理解）
    https://www.zhihu.com/question/54504471/answer/332657604
  4. 图卷积网络(GCN)新手村完全指南 https://zhuanlan.zhihu.com/p/54505069

GCN个人理解
GCN是基于谱域卷积网络理论在非欧结构上进行卷积操作，将图结构数据通过度矩阵和邻接矩阵构建拉普拉斯矩阵进行图结构数据上的傅里叶变换。通过卷积，将高纬度的图结构数据映射到低纬度的数据上（embedding）。
卷积公式：
在这里插入图片描述
其中：
在这里插入图片描述

小郁同学
关注
  • 1
    点赞
  • 踩
  • 8
    收藏
    觉得还不错? 一键收藏
  • 打赏
    打赏
  • 0
    评论
专栏目录
STGCN图卷积神经网络.pdf
05-28
STGCN图卷积神经网络
图神经网络全面综述 阅读笔记+翻译
boywaiter的专栏
01-10 1790
https://arxiv.org/abs/1901.00596 arXiv:1901.00596v3 [cs.LG] 8 Aug 2019 A Comprehensive Survey on Graph Neural Networks Zonghan Wu, Shirui Pan, Fengwen Chen, Guodong Long, Chengqi Zhang, Philip S. Yu 摘...
【论文笔记】 图神经网络综述 A Comprehensive Survey on Graph Neural Networks
hxs的博客
08-22 1130
目录 1. Introduction 本篇综述的主要贡献 本篇论文的整体结构 2. DEFINITION 3. 分类和框架 4. GRAPH CONVOLUTION NETWORKS 4.1 基于谱的图卷积网络（Spectral-based Graph Convolutional Networks） 4.2 基于空间的图卷积网络（Spacial-based Graph Convolutional Networks） 4.2.1 Recurrent-based Spatial ...
实体对齐4.EMNLP2018：（GCN-Align）Cross-lingual Knowledge Graph Alignment via Graph Convolutional Networks
Kolunm的博客
11-09 3728
关键词：Cross-lingual Entity Alignment，GCN，Embedding 摘要 多语言知识图谱（KG）例如DBpedia和YAGO都包含几种不同语言实体中的机构性知识，并且它们对于跨语言AI和NLP应用都是有用的资源。跨语言KG对齐是一个将实体与它们在不同语言中对应部分匹配起来的任务，这是丰富多语言KG的跨语言链接的重要途径。本文中，我们提出一种基于图卷积神经网络（GCN）的跨语言实体KG对齐的新方法。给定一个预对齐实体集合，我们的方法训练GCN来将每种语言嵌入到一..
动作识别论文---CTR-GCN
围白的尾巴
05-03 6706
Channel-wise Topology Refinement Graph Convolution for Skeleton-Based Action Recognition 论文地址：https://arxiv.org/abs/2107.12213 仓库地址：https://github.com/Uason-Chen/CTR-GCN 这篇论文于2021年发表在ICCV。 一、存在的问题： 基于GCN的算法所有通道共享同一套拓扑结构，这样限制了模型的能力上限。作者认为不同的通道（...
PPSIG：CTR-GCN 动作识别
m0_63642362的博客
08-20 1530
数据集为fsd-10花样滑冰，项目为CTR-GCN动作识别，可直接运行，acc为0.60
CTR-GCN、HD-GCN：图卷积网络在骨骼动作识别中的应用（二）
最新发布
weixin_73611281的博客
11-23 1686
所有的输入骨骼序列共享相同的图拓扑结构此前骨骼动作识别大部分方法用的都是共享拓扑，但其具有一些未由骨骼连接关节点之间的关系信息可能损失的问题。
PyG搭建GCN实现节点分类（GCNConv参数详解）
热门推荐
KI的博客
03-13 2万+
PyG搭建GCN实现节点分类（GCNConv参数详解）
CTR-GCN源代码复现（skeleton-based Human Action Recongnition）
qq_42814766的博客
02-28 2478
skeleton-based Human Action recongnition复现CTR-GCN源代码
基于tensorflow2.0实现图卷积神经网络GCN.zip
08-22
图卷积神经网络(GCN)理解与 tensorflow2.0 代码实现 图(Graph)，一般用 G = ( V , E ) G=(V,E)G=(V,E) 表示，这里的V VV是图中节点的集合，E EE 为边的集合，节点的个数用N NN表示。在一个图中，有三个比较重要的...
T-GCN（图卷积神经网络-交通流预测）（代码）.zip
01-09
图卷积神经网络-交通流预测 Temporal Graph Convolutional Network
st-gcn时空图卷积神经网络
12-11
Spatial Temporal Graph Convolutional Networks for Skeleton-Based Action Recognition. 图卷积神经网络，2018年AAAI论文代码。
纽约大学《图卷积神经网络》笔记
05-13
本文为硬核干货，讲述了GCN近年来的研究进展，包括经典卷积网络、谱图卷积网、 空间域图卷积网、GCN基准等。
离线强化学习与在线强化学习
小郁同学
09-02 1万+
首先将RL分为两大类：online RL 和 offline RL offline RL:离线强化学习。学习过程中，不与环境进行交互，只从dataset中直接学习，而dataset是采用别的策略收集的数据，并且采集数据的策略并不是近似最优策略。 online RL:在线强化学习。学习过程中，智能体需要和环境进行交互。并且在线强化学习可分为on-policy RL和off-policy RL。on-policy采用的是当前策略搜集的数据训练模型，每条数据仅使用一次。off-policy训练采用的数据不需要是
MistGPU使用指南
小郁同学
01-02 8235
使用按时收费的GPU服务器，往往需要配置环境，连接项目等操作。本笔记将描述如何连接MistGPU服务器，并安装相应conda虚拟环境，以及Pycharm项目同步。 一、连接MistGPU服务器 采用官网教程，在Ubuntu系统下直接使用 ssh [email protected] -p 20900 命令进行连接 二、拷贝本机conda环境 conda activate your_env conda env export > your_env.yaml 我使用的命令为： conda ac
miniconda常用命令
小郁同学
03-11 2993
文章目录前言一、更新Ubuntu二、Miniconda常用命令1.创建环境2.激活环境并安装相关包总结 前言 每次运行论文中对应代码的时候都要用conda搭建虚拟环境，今天就对于常用的命令做一个总结，以助于下次方便查找 一、更新Ubuntu 这一步还是很重要的，因为我自己的电脑装了双系统，ubuntu系统不常使用，偶尔来任务的时候才打开。 每次使用前更新一下ubuntu，可以避免不必要的报错与麻烦 sudo apt update sudo apt upgrade 执行完成后，建议重启一下电脑 二、M
强化学习课程笔记（二）——马尔科夫决策过程和动态规划寻找最优策略
小郁同学
08-26 2728
参考材料 1.强化学习入门课程(英文)https://www.bilibili.com/video/av37295048 2.课程对应知乎讲解https://zhuanlan.zhihu.com/reinforce 3.强化学习（莫烦）https://www.bilibili.com/video/BV13W411Y75P 4.《强化学习入门——从原理到实践》-叶强 第二章 马尔科夫决策过程 当环境状态是完全可观测时，个体可以通过构建马尔科夫决策过程来描述整 个强化学习问题。有时候环境状态并不是完全可观测的，
D4RL Benchmark 安装教程Ubuntu20.04
小郁同学
09-09 2344
前言 offline RL最新的benchmark: D4RL发布了，在此记录一下安装过程中踩得坑 我个人安装环境是ubuntu20.04 官方项目地址 D4RL：https://github.com/rail-berkeley/d4rl 安装过程 pip install git+https://github.com/rail-berkeley/d4rl@master#egg=d4rl 运行完之后，那么坑就来了 第一个就是，需要配置mujoco200和mujoco200_linux，虽然这俩文件夹都是下载m
定理、引理和推论
小郁同学
03-03 2102
Definition(定义)：对数学术语含义的精确而明确的描述。它通过给出所有的属性，并且只有那些必须是真实的属性来表征一个词的意思。 Theorem(定理)：定理用严格的数学推理证明的数学陈述。在一篇数学论文中，定理一词通常是留给最重要的结果的。 Lemma(引理)：一个次要的结果，其唯一目的是帮助证明一个定理。它是证明一个定理的踏脚石。偶尔引理也会有自己的生命(Zorn引理，Urysohn引理，Burnside引理，Sperner引理)。 Corollary(推论)：一个结果，其中(通常简短)证明严重.
图卷积神经网络gcn改进
08-30
图卷积神经网络（Graph Convolutional Neural Network，GCN）是一种应用于图数据的深度学习模型。其主要目的是通过利用图结构的局部连接和节点特征的传播来进行节点分类和图分类任务。为了改进GCN模型，可以考虑以下...

“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

打赏作者

小郁同学

你的鼓励将是我创作的最大动力

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付：¥1
获取中
扫码支付

您的余额不足，请更换扫码支付或充值

打赏作者

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