图神经网络GAT

最新推荐文章于 2024-07-19 16:50:04 发布

Moore21

最新推荐文章于 2024-07-19 16:50:04 发布

阅读量204

点赞数

分类专栏：机器学习文章标签：神经网络人工智能

本文链接：https://blog.csdn.net/wangmou211/article/details/119616912

版权

机器学习专栏收录该内容

3 篇文章 0 订阅

订阅专栏

推荐视频
https://www.bilibili.com/video/BV1K5411H7EQ
对应的资源：
PPT链接:https://pan.baidu.com/s/1e2TDVI3wHMH5MTAU9pzNwQ 密码:d455
论文链接:https://pan.baidu.com/s/13iqTy4BFdujHxHE1KJO5RQ 密码:hr0l
代码链接:https://pan.baidu.com/s/19Q4cTZMRZBh2aGuc5tlNuQ 密码:nf5e

课件链接：https://pan.baidu.com/s/1p5Aiq7rz_4Ckmt4i9UGcIA
提取码：6ci0
更过GNN相关讲座持续汇总，跳转播放列表：GNN图神经网络相关讲座（汇总ing）
想深入研究的话推荐cs224w（2019课程）：
Stanford cs224W——图神经网络课程：GNN相关—Stanford CS224W 图网络机器学习2019（完整课程 | 英文字幕| 作业+PPT）
Jure Leskovec主讲，数据建模方向的大牛
课件链接：https://pan.baidu.com/s/1CoLVdEh0hVMadr2DZs3RHQ
提取码：v784

博客：https://blog.csdn.net/weixin_43199584

GNN相关参考库：

Deep Graph Library: https://www.dgl.ai/
在Tensorflow中构建图网: https://github.com/deepmind/graph_nets
PyTorch的几何深度学习扩展库: https://github.com/rusty1s/pytorch_geometric

京都大学的关于GNN的综述性论文：A Survey on The Expressive Power of Graph Neural Networks。一篇很好的综述性文章，概述GNNs的表达能力和一些可证的GNNs变体，探索GNNs与WL等算法的联系，总结了GNNs目前能与不能解决的问题（优点和局限性等）。

图谱卷积 https://blog.csdn.net/yyl424525/article/details/100058264