关于 Graph Convolutional Networks 资料收集

最新推荐文章于 2021-06-20 01:45:21 发布
最新推荐文章于 2021-06-20 01:45:21 发布
阅读量120 收藏
点赞数
文章标签： 人工智能
原文链接：https://yq.aliyun.com/articles/310912
版权

 

关于 Graph Convolutional Networks 资料收集

 

 

　　1.  GRAPH CONVOLUTIONAL NETWORKS  　　------ THOMAS KIPF, 30 SEPTEMBER 2016 

　　　　Link：http://tkipf.github.io/graph-convolutional-networks/#gcns-part-iii-embedding-the-karate-club-network

 

　　2.  Graph 卷积神经网络：概述、样例及最新进展    ------ 2016-10-12 

　　　　Link：http://mp.weixin.qq.com/s?__biz=MzI3MTA0MTk1MA==&mid=2651987895&idx=3&sn=8223f5c491ce6388b13ed7b72ea24f5e&chksm=f1216b46c656e250e953410cc61f152fedf5f7c04f261548c24e463b641b2b20bd5cbcd08003&mpshare=1&scene=1&srcid=1013IdNrB4bsRkyxnAOvIhZN#rd

 

　　3.  How powerful are Graph Convolutions? (review of Kipf & Welling, 2016)  

　　　　Link: http://www.inference.vc/how-powerful-are-graph-convolutions-review-of-kipf-welling-2016-2/?utm_source=tuicool&utm_medium=referral  

 

　　4. 

weixin_34361881
关注
  • 0
    点赞
  • 踩
  • 0
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
10_通过httprequest获取跟请求相关的信息
weixin_30363981的博客
06-18 74
1232131 转载于:https://www.cnblogs.com/ZHONGZHENHUA/p/7044843.html
图卷积网络GRAPH CONVOLUTIONAL NETWORKS
技术践行者
01-09 2916
GRAPH CONVOLUTIONAL NETWORKS THOMAS KIPF, 30 SEPTEMBER 2016https://tkipf.github.io/graph-convolutional-networks/ 带一阶滤波器的多层图卷积网络 Overview 综述 Many important real-world datasets come in the form ...
Dual-Primal Graph Convolutional Networks 对偶-原始图卷积神经网络
todoooooo的博客
05-26 2125
论文地址：Dual-Primal Graph Convolutional Networks 这篇论文的主要工作是通过构建对偶图Dual Graph的方式将原图的边转换成对偶图中的节点，从而获得edge embedding。 什么是对偶图？ 原文中给出了这样的解释： Let G=(V,E)\mathcal{G}=(\mathcal{V}, \mathcal{E})G=(V,E)be a given directed graph, to which we refer as the primal graph.
图卷积网络GCN简介
路过人间，一叶知秋
06-20 2987
本文原文为16年九月所写，可能有些过时，但对于了解GCN的基础知识和设计哲学会有所帮助，此外本文的作者是论文[semi-Supervised Classification with Graph Convolutional Networks](http://arxiv.org/abs/1609.02907)的一作，因此将本文作为了解GCN的开端再好不过
图卷积Graph Convolutional Networks
lemontree的博客
07-18 2万+
CNN已经在计算机视觉（CV）以及自然语言处理等领域取得了非常好的水平，其中的数据可以被称作是一种Euclidean Data，CNN正好能够高效的处理这种数据结构，探索出其中所存在的特征表示。所谓的欧氏（欧几里德）数据指的是类似于grids, sequences… 这样的数据，例如图像就可以看作是2D的grid数据，语音信号就可以看作是1D的grid数据。但是现实的处理问题当中还存在大量的 No...
Attention Based Spatial-Temporal Graph Convolutional Networks for Traffic Flow Forecasting
02-08
Attention Based Spatial-Temporal Graph Convolutional Networks for Traffic Flow Forecasting
semi -supervised classification with graph convolutional networks学习必记
01-07
当K=1 时有两个参数,模型scales linearly in the number of graph edges ,同时可以表征局部图结构和节点的特征： 3. 半监度节点分类模型 本文模型优缺点 WlW^lWl在各个顶点共享，与顶点个数无关，可以用于大...
[GCN] 代码解析 of GitHub：Semi-supervised classification with graph convolutional networks
01-21
本文解析的代码是论文Semi-Supervised Classification with Graph Convolutional Networks作者提供的实现代码。 原GitHub：Graph Convolutional Networks in PyTorch 本人增加结果可视化 (使用 t-SNE 算法) 的GitHub...
GRAPH CONVOLUTIONAL NETWORKS.pdf
04-04
论文SEMI-SUPERVISEDCLASSIFICATION WITHGRAPHCONVOLUTIONALNETWORKS 发表于ICLR2017
2019-Graph Convolutional Networks with EigenPooling-网文-041
08-08
2. **Graph Convolutional Networks (GCN)与EigenPooling**： - GCN是GNN的一种，用于处理图结构数据。EigenPooling是一种新的池化操作，它结合节点特征和全局结构，通过图傅立叶变换来保留丰富的结构信息。这一...
GRAPH CONVOLUTIONAL NETWORKS（图卷积）（转载）
法相的博客
06-14 1981
mark一下，感谢作者分享！非常强大 http://tkipf.github.io/graph-convolutional-networks/ 源码：https://github.com/tkipf/gcn
Attention Augmented Convolutional Networks
风吴痕的博客
04-26 7842
https://arxiv.org/pdf/1904.09925.pdf https://github.com/tensorflow/tpu/tree/master/models/official/retinanet https://github.com/leaderj1001/Attention-Augmented-Conv2d pytorch版 https://github.com/gan...
图卷积网络 Graph Convolutional Networks
明远
01-18 1万+
SEMI-SUPERVISED CLASSIFICATION WITH GRAPH CONVOLUTIONAL NETWORKS 本文提出了一个基于卷积神经网络处理图结构数据的半监督学习算法，
GCN - Semi-Supervised Classification with Graph Convolutional Networks 用图卷积进行半监督节点分类 ICLR 2017
知行合一，止于至善
08-07 1万+
文章目录Abstract1.Intruduction2.Fast Approximate Convolutions on Graphs（图的快速近似卷积）2.1 SpectralGraph Convolutins（谱图卷积）补充证明2.2 Layer-wise Linear Model（逐层线性模型）3. Semi-supervised Node Classfication（半监督节点分类）3.1...
Semi-Supervised Classification with Graph Convolutional Networks
Peter的脱发日记
05-24 4265
Semi-Supervised Classification with Graph Convolutional Networks 原问地址 时间：2017 Intro 要解决的问题：图上的结点分类，其中只有小部分结点有label。 这是一个基于图的半监督学习，可以通过在损失函数中额外加一项graph-based regularization来解决： 其中L0\mathcal{L}_0L0​表示l...
Graph Convolutional Networks (GCNs) 简介
a1424262219的博客
12-18 306
Graph Convolutional Networks 2018-01-16 19:35:17 this Tutorial comes from YouTube Video：https://www.youtube.com/watch?v=0_O8PdZBc5s&t=2097s 之所以这个方面的研究会吸引人，是因为这个东西可以将很多知识联系起来。现实生活中，...
[GCN] Modification of Graph Convolutional Networks in PyTorch
真理无穷，进一步有进一步的欢喜
02-04 646
Modification of Graph Convolutional Networks in PyTorch 代码见GitHub：Modification-of-Graph-Convolutional-Networks-in-PyTorch introduction Modification of Graph Convolutional Networks in PyTorch, visualiz...
读书笔记8：Graph Attention Networks（ICLR 2018)
热门推荐
b224618的博客
08-16 2万+
https://mila.quebec/wp-content/uploads/2018/07/d1ac95b60310f43bb5a0b8024522fbe08fb2a482.pdf https://arxiv.org/pdf/1710.10903.pdf 这是一篇将attention机制应用到graph convolution中的文章。但是文章中提出的模型其实是利用了attention的一部...
【GCN】图卷积网络初探——基于图（Graph）的傅里叶变换和卷积
夏至是个程序媛
11-29 2万+
本文为从CNN到GCN的联系与区别——GCN从入门到精（fang）通（qi）的阅读笔记，文中绝大部分公式和图片摘自原文。 本文脉络如下： 一、CNN中的离散卷积 二、GCN基本概念介绍 三、图的拉普拉斯矩阵 根据拉普拉斯矩阵的特征值和特征变量引入基于图Graph的傅里叶变换和卷积 四、Graph上的傅里叶变换和卷积 类比传统的公式，推出基于图Graph的傅里叶变换公式和卷积公式 五...
graph convolutional networks
最新发布
03-16
图卷积网络（Graph Convolutional Networks，GCN）是一种用于图像识别和推荐系统等领域的深度学习模型。它通过对图像中的节点和边进行卷积操作，从而提取出图像中的特征。与传统的卷积神经网络（CNN）不同，GCN 可以...

“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