图神经网络(一)----综述文章

最新推荐文章于 2021-10-21 19:30:13 发布
最新推荐文章于 2021-10-21 19:30:13 发布
阅读量397 收藏 2
点赞数
分类专栏： 图神经网络
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/u013313168/article/details/105554203
版权
一、论文列表

1、时间：2018年6月首发；2018年11月第三版
   Relational inductive biases, deep learning, and graph networks 【Paper】
2、时间：2018年12月
   Adversarial Attack and Defense on Graph Data: A Survey 【Paper】
3、时间：2018年12月首发，2020年3月更新至第三版
    Deep Learning on Graphs: A Survey【Paper】
4、时间：2018年12月首发；2019年6月第四版
    Graph Neural Networks: A Review of Methods and Applications【Paper】
5、时间：2019年1月首发，2019年12月第四版
    A Comprehensive Survey on Graph Neural Networks【Paper】
6、时间：2019年6月
    Learning Representations of Graph Data: A survey 【Paper】
7、时间：2019年8月
   Graph Neural Networks for Small Graph and Giant Network Representation Learning: An Overview 【Paper】
8、时间：2019年12月
    A Gentle Introduction to Deep Learning for Graphs【Paper】
9、时间：2020年3月
   A Survey on The Expressive Power of Graph Neural Networks 【Paper】
10、时间：2020年4月
   Heterogeneous Network Representation Learning: Survey, Benchmark, Evaluation, and Beyond【Paper】
111、时间：2021年4月
  Graph Neural Network: A Comprehensive Review on Non-Euclidean Space【Paper】

二、参考资料

1、综述|从9篇研究综述看图神经网络GNN的最新研究进展

CS搬运工
关注
  • 0
    点赞
  • 踩
  • 2
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
专栏目录
[论文翻译]-A Comprehensive Survey on Graph Neural Networks《图神经网络GNN综述》
知行合一，止于至善
08-24 1万+
文章目录摘要1 简介1.1 GNN简史1.2 Related surveys on graph neural networks1.3 Graph neural networks vs. network embedding1.4 Graph neural networks vs. graph kernel methods1.5 文章的创新性2 基本的图概念的定义3 GNN分类和框架3.1 GNNs分...
图神经网络(GNN)经典论文与代码讲解课程！
最新发布
zenRRan的博客
12-06 44
经过近几年的发展，图神经网络的研究从纯粹的学术研究一直突破到大规模实际应用，悄然成为了各种神经网络中的一匹黑马。阿里巴巴、谷歌、优步、Twitter等许多大型公司已经在他们的一些核心产品中应用GNN相关技术，其主要原因是：GNN可以提供一个通用且灵活的框架，用于描述和分析任何可能的实体集及其相互关系。为了让大家更好的了解和学习图神经，邀请多位顶会大咖给大家做了14节入门课程（含代码讲解+数据集）以...
Datawhale 6月学习——图神经网络：基于图神经网络的图表征学习
qq_40990057的博客
07-06 1336
前情回顾 图神经网络：图数据表示及应用 图神经网络：消息传递图神经网络 图神经网络：基于GNN的节点表征学习 图神经网络：基于GNN的节点预测任务及边预测任务 图神经网络：超大图上的节点表征学习 1 图表征学习 图表征学习要求根据节点属性、边和边的属性（如果有的话）生成一个向量作为图的表征，基于图表征我们可以做图的预测。论文Learning representations of graph data: a survey中对常见的图表征学习方法进行了简单回顾。 将数据构造为图的形式可以帮助我们以一种系统
[2021最新] 4篇图神经网络综述论文，建议收藏！
weixin_45519842的博客
03-04 6325
本文主要介绍了2021年最新的图神经网络综述，是入坑的最佳材料。图神经网络已经成为深度学习领域最炙手可热的方向之一了，也是各大互联网公司非常欢迎的方向。A Survey o...
读《Learning Representations of Graph Data -- A Survey》
weixin_40459958的博客
08-20 127
4 核方法 定义映射k，输入一对集合X,Y的笛卡尔积 x,y∈X,Y，有k(x,y) 对称性 正定性：若kij=k(xi,xj)正定，即对任意系数ci,cj，对cicjk(xi,xj)的连加不小于0（这不是半正定吗？而且正定有啥用来着，为啥有这种需求） 4.1 图的核方法 结构袋Bag-of-Structures方法 图核k(G, G′)记作两图特征向量的积 现有图核均是基于R卷积核（这里的R指关系，应该是来自计算理论基础或者离散数学的定义） 可分为图上核和图间核 4.1.1 路径核 随机游走核 [41]
图像分类技术综述-研究论文
05-19
这篇综述文章提供了对各种图像分类方法的理解，重点是分类方法的概述和用于提高分类精度的技术。 此外，比较了各种分类方法，性能，优点和局限性。 这篇文献综述描述了不同类型的有监督，无监督和半监督分类方法，...
图卷积神经网络综述，一篇文章搞定图卷积神经网络
11-21
图卷积神经网络（Graph Convolutional Networks, GCN）是一种深度学习模型，它扩展了传统的卷积神经网络（CNN）以处理非欧几里得数据，如图形或网络结构。GCN在处理社交网络、交通网络、化学分子结构等多种复杂数据...
卷积神经网络研究综述-周飞燕-计算机学报-2017.rar
05-07
卷积神经网络（Convolutional Neural Networks，简称CNN）是一种深度学习模型，它在计算机视觉领域扮演着核心角色。周飞燕在2017年发表于《计算机学报》的《卷积神经网络研究综述》中，全面回顾了自卷积神经网络概念...
关于图神经网络（GNN）的必读文章-python
06-18
关于图神经网络（GNN）的必读文章 GNN 必读论文 GNN：图神经网络 由 Jie Zhou、Ganqu Cui、Zhengyan Zhang 和 Yushi Bai 贡献。 内容 1. 调查 2. 模型 2.1 基本模型 2.2 图类型 2.3 池化方法 2.4 分析 2.5 效率 3. ...
卷积神经网络研究综述-李彦东-计算机应用-2016.rar
05-07
卷积神经网络（Convolutional Neural Networks，简称CNN...总的来说，这篇综述性文章对于理解卷积神经网络的基本原理、发展历程、以及CDNN的实践应用提供了深入的见解，对于研究人员和从业者来说是一份宝贵的参考资料。
二值神经网络综述（Binary Neural Networks: A Survey）【北航】.pdf
04-10
在本文中，我们对这些算法进行了全面的概述，主要分为直接进行二值化的本机解决方案，以及使用使量化误差最小化，改善网络损耗函数和减小梯度误差等技术进行优化的解决方案。我们还将研究二进制神经网络的其他实用方面，例如硬件友好的设计和训练技巧。然后，我们对不同的任务进行了评估和讨论，包括图像分类，对象检测和语义分割。最后，展望了未来研究可能面临的挑战。
韩家炜 数据挖掘：概念与技术（英文版）
05-27
韩家炜 数据挖掘：概念与技术（英文版），可用于毕业论文外文译文参考和英文水平较高的读者更好的学习数据挖掘
AAAI2021年,录用了165篇图神经网络相关论文，图网络究竟在研究什么？
zenRRan的博客
10-21 607
每天给你送来NLP技术干货！来自：深度学习与图网络图，如社会网络和分子图，是现实世界中无处不在的数据结构。由于它们的普遍存在，从图结构数据中提取有意义的模式以方便下游任务的开展具有重要的研...
HIN2Vec：异质信息网络中的表示学习 | PaperDaily #18
Paper weekly
11-24 8602
在碎片化阅读充斥眼球的时代，越来越少的人会去关注每篇论文背后的探索和思考。 在这个栏目里，你会快速 get 每篇精选论文的亮点和痛点，时刻紧跟 AI 前沿成果。 点击本文底部的「阅读原文」即刻加入社区，查看更多最新论文推荐。 这是 PaperDaily 的第 18 篇文章 本期推荐的论文笔记来自 PaperWeekly 社区用户 @YFLu。这篇
A Comprehensive Survey on Graph Neural Networks(图神经网络综合研究)
weixin_41697507的博客
07-06 7299
A Comprehensive Survey on Graph Neural Networks Zonghan Wu, Shirui Pan, Member, IEEE, Fengwen Chen, Guodong Long, Chengqi Zhang, Senior Member, IEEE, Philip S. Yu, Fellow, IEEE Abstract—Deep learning ...
综述论文“A Comprehensive Survey on Graph Neural Networks”
yorkhunter的博客
01-20 1522
arXiv在2019年12月4号上传的关于GNN综述论文“A Comprehensive Survey on Graph Neural Networks“。 摘要：近年来，深度学习彻底改变了许多机器学习任务，从图像分类和视频处理到语音识别和自然语言理解。这些任务的数据通常在欧氏空间中表示。但是，越来越多的应用程序从非欧域生成数据，并将数据表示为具有目标之间复杂关系和相互依赖关系的图。图数据的复杂性...
图神经网络（Graph neural networks）综述
热门推荐
m0_38031488的博客
03-12 5万+
论文链接：Graph Neural Networks:A Review of Methods and Applications Abstract：图（Graph）数据包含着十分丰富的关系型信息。从文本、图像这些非结构化数据中进行推理学习，例如句子的依赖树、图像的场景图等，都需要图推理模型。图网络（Graph neural networks）是一种链接主义模型，它靠图中节点之间的信息传递来捕捉图...
GCC图神经网络预训练概述
徐奕的专栏
10-09 909
Paper GCC: Graph Contrastive Coding for Graph Neural Network Pre-Training 关键词: 对比学习，实例辨析，可转移性，预训练 图神经网络预训练的图对比编码 最近工作 然而，到目前为止，大多数关于图的表示学习工作都集中在学习单个图或一组固定图的表示，非常有限的工作可以转移到域外的数据和任务。 挑战 如何设计预训练任务，使网络内和网络间的通用结构模式被捕获并进一步转移? 主要思想 预训练的想法是使用预训练的模型作为一个良好的初始化，对未见数据
2020年计算机视觉综述论文汇总！涵盖14个方向：目标检测/图像分割/医学影像/人脸识别等方向
极市平台的技术博客
07-28 1万+
导读：本文共汇总了从2020年4月至今的计算机视觉领域综述性论文，共54篇，涵盖图像分割、 图像识别、人脸识别/检测、医学影像、目标检测、3D方向（自动驾驶/深度估计）、GAN、文本检测与识别、姿态估计等14个研究方向。54篇论文打包下载请前往极市社区。 图像分割 Unsupervised Domain Adaptation in Semantic Segmentation: a Review 标题：语义分割中的无监督自适应研究进展 作者：Marco Toldo, Pietro Zanuttigh 链接：
Theory of Graph Neural Networks：Representation and Learning.pdf
05-21
图神经网络(GNNs)是一种专门设计用于处理图数据的神经网络架构。它们在各种场景中表现出色，如社会网络分析、推荐系统、链接预测、分子属性预测等。在这些任务中，输入数据通常是以图的形式给出，包括节点特征向量X...

“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