GNN
文章平均质量分 79
图神经网络相关的读书笔记模型以及方法等
The_best_man
努力学习的一只IT小白
展开
-
【论文笔记】PR-GNN:Pooling Regularized Graph Neural Network for fMRI Biomarker Analysis
PR-GNN图神经网络用于脑网络分析PR-GNN的结构如上图所示,GATConv作为节点的卷积层,分别验证了基于ranking的池化方法SAGEPooling与TopKPooling作为节点的池化层。符号和问题定义根据T1T1T1 sMRI将大脑划分为NNN个ROI符号含义符号含义G=(V,ε)G=(V,ε)G=(V,ε)无向有权图V={v1,...,vn}V=\{v_1,...,v_n\}V={v1,...,vn}顶点集εεε边集H=[h1,...原创 2021-01-19 21:43:27 · 1455 阅读 · 3 评论 -
【论文笔记】InceptionGCN:Receptive Field Aware Graph Convolutional Network for Disease Prediction
InceptionGCNMethodologyAffinity graph construction构造Affinity Graph的关键是能够精准的建模病人之间的交互作用,Affinity Graph是将所有样本(训练集+测试集),下图为文中所涉及到的符号。符号含义符号含义G(V,E,W)G(V,E,W)G(V,E,W)图nin_ini图中的节点V=|N|节点η\etaη患者之间非成像数据EEE边xi∈RNx_i\in\mathbb{R}^Nx原创 2021-01-18 23:15:23 · 716 阅读 · 0 评论 -
【代码分析】Graph-U-Nets
Graph-U-Nets(二)代码分析Graph U-Nets通过Pytorch进行实现,开源代码Graph U-Nets,原论文链接Graph U-Nets直接对作者的代码进行解读class GraphUnet(nn.Module): def __init__(self, ks, in_dim, out_dim, dim, act, drop_p): """ :param ks: 表示pools层进行的节点采样率,数据类型为float型 """ sup原创 2021-01-12 19:58:36 · 1292 阅读 · 6 评论 -
【论文笔记】Graph U-Nets
Graph U-Nets原文链接:http://proceedings.mlr.press/v97/gao19a/gao19a.pdf由于Graph Data的表征学习问题,不能像CNN能够对图像进行Pooling或者Up-sampling操作。由于给定的Images 可以认为是一种节点位于2D表格上Graph的特殊情况,因此可以将node classification、Graph Embedding很自然地与像素级别的分割任务对应。Encoder-Decoder的典型模型U-Nets已经在图像处理原创 2021-01-09 22:13:59 · 1568 阅读 · 0 评论 -
【论文笔记】Semi-Supervised Graph Classification: A Hierarchical Graph Perspective
Semi-Supervised Graph Classification: A Hierarchical Graph PerspectiveIntroduction提出Self-Attentive Graph Embedding method(SAGE)方法,能够将变化的Graph Instance结合每个Node根据有Graph的重要性产生固定长度的向量ChallengesSize invariance:如何能够灵活地将任意大小的Graph Instance转换为固定长度的embedding原创 2021-01-07 22:16:15 · 1339 阅读 · 0 评论 -
图神经网络【3】学习笔记
本文是根据我最近学习图卷积神经网络学习的内容进行记录,总结了来自知乎、以及集智学园等多个平台,整理分析并加个人思考得来的。如果有不正确的地方大家批评指正。最早的图神经网络经典论文,可以追溯到2017年Thomas N. Kipf发表在ICLR题为Semi-Supervised Classification with Graph Convolutional Networks,代码在Github链接.以往的进展Spectral Graph theory,即将傅里叶变换扩展到图的谱域Deep lear原创 2020-05-25 23:29:30 · 368 阅读 · 0 评论 -
图神经网络【1】学习笔记
学习GCN不错的英文参考资料,原链接Overview许多现实世界的重要数据集都以图形或网络的形式出现:社交网络、知识图、蛋白质交互网络、万维网等等。然而,直到最近,很少有人关注神经网络模型泛化到这样的结构化数据集。在过去的几年里,一些论文重新探讨了将神经网络推广到任意结构图上的问题(Bruna et al., ICLR 2014; Henaff et al., 2015; Duvenaud et al., NIPS 2015; Li et al., ICLR 2016; Defferrard et原创 2020-05-13 23:39:24 · 657 阅读 · 0 评论