下个拐点：图神经网络

最新推荐文章于 2023-12-24 15:07:51 发布
置顶 最新推荐文章于 2023-12-24 15:07:51 发布
阅读量292 收藏
点赞数
分类专栏： 深度学习 人工智能 文章标签： 图神经网络 深度学习
法相
关注
专栏目录
【图神经网络论文整理】（一）—— Causal Attention for Interpretable and Generalizable Graph Classification：CAL
CSDN 精品推荐
11-19 2061
本文介绍的论文是中科大王翔教授等人在KDD2022上发表的《Causal Attention for Interpretable and Generalizable Graph Classification》。作者强调了当前基于注意力和池化的GNN在图分类中的泛化问题，并且提出了一种新的用于图分类的因果注意力学习策略（CAL），使GNN在过滤掉捷径特征的同时利用因果特征，最后在合成数据集和真实数据集上的大量实验证明了CAL的有效性。一、背景。
北邮王啸：图神经网络的两面性
BAAIBeijing的博客
07-14 640
报告：王 啸撰文：熊宇轩作者简介王啸，北京邮电大学，助理教授。研究方向为图神经网络、数据挖掘与机器学习。曾任清华大学计算机系博士后，天津大学博士，美国圣路易斯华盛顿大学联合培养博士，入...
图神经网络将成AI下一拐点！MIT斯坦福一文综述GNN到底有多强
cpongo011702
06-10 1028
深度学习在图像分类，机器翻译等领域都展示了其强大的能力，但是在因果推理方面，深度学习依然是短板，图神经网络在因果推理方面有巨大的潜力，有望成为AI的下一个拐点。DeepMind 公司最近开源了其GraphNet算法库，各大巨头公司也纷纷投入大量资源研究图神经网络，本文是AI前线第68篇论文导读，下面我们来深入了解图神经网络背后的原理和其强大的表征能力。摘要图神经网络（GNNs）广泛应用于图的表征学...
图神经网络中的因果学习
最新发布
chumingqian的博客
12-24 1137
关于公平性，因果方法，如因果干预[17]，可以通过将GNNs暴露于事实和反事实图中，减轻节点敏感属性的偏见。通过捕获局部特征和全局图结构信息，GNNs在低维表示中保留了丰富的知识，极大地促进了一系列下游应用，例如生物信息学[2]、推荐系统[3]、知识表示[4]、[5]、人才分析[6]、城市计算[7]、[8]、[9]等。从图数据中指定感兴趣的因果变量，根据某些领域知识阐明这些变量之间的因果关系，并选择适当的因果学习方法来获取因果知识以提高下游应用中的可信度，这是具有挑战性的[21]、[24]、[26]。
因果推理相关的图神经网络研究
数据派THU
12-25 1143
本文介绍两篇因果推理相关的图神经网络研究工作。一、OOD推荐系统下的因果表征学习本文介绍了什么是推荐系统中的Out-of-Distribution(OOD)问题，并从因果的角度提出了一种解决OOD问题的表示学习方式。文章链接：https://dl.acm.org/doi/pdf/10.1145/3485447.35122511 简介现代推荐系统的用户表征都是从其历史交互中学习出来的，这就存在着用户...
去伪存真：因果约束下的图神经网络泛化
Paper weekly
02-10 1343
写在篇首图神经网络（GNN）是在各种图数据应用上强有力的深度学习算法。其基本学习范式可以归纳为：在训练节点或图上训练图神经网络参数，然后利用训练好的图神经网络预测节点或者图的标签。保证这种...
斯坦福大牛Jure Leskovec：图神经网络研究最新进展（有PPT下载）
AMiner2006的博客
11-13 1765
作者：学术君 昨日，除了刷屏的“双十一”与AAAI开（放）奖（榜），斯坦福大牛Jure Leskovec正好到访清华，学术君的朋友圈是一片喜气洋洋呐…… Jure Leskovec有多火，来张现场图瞅瞅…… Jure Leskovec有多厉害？ 图网络领域的大牛Jure Leskovec，是斯坦福大学计算机学院的副教授，也是图表示学习方法 node2vec 和 GraphSAGE ...
从图嵌入算法到图神经网络
luv_dusk 的博客
08-13 1万+
近几年来，伴随着计算机算力的急剧提升，神经网络从历史的尘埃中走出，横扫各大领域，完成一次次颠覆性的创新。依托高度弹性的参数结构，线性与非线性的矩阵变换，神经网络能适用于各式各样的数学场景，在各个类别的应用上我们都能看到神经网络的影子。其中著名的应用方向，包括自然语言处理、计算机视觉、机器学习、生物医疗、推荐系统、自动驾驶等等。图神经网络，广泛应用于社交关系、知识图谱、推荐系统、蛋白质分子建模，同样源自于对传统领域的创新，它的前身是图嵌入算法；而图嵌入算法又以图数据作为载体。这一关系，将贯穿本文始末，成为我们
深度学习：卷积神经网络从入门到精通
GitChat
03-28 2万+
内容简介 全面介绍各种卷积神经网络的模型、算法及应用，指导读者把握其形成和演变的基本脉络，以帮助读者在较短的时间内从入门达到精通的水平。有兴趣的读者可以从本书开始，通过图像分类、识别、检测和分割的案例，逐步深入卷积神经网络的核心，掌握深度学习的方法和精髓，领会 AlphaGo 战胜人类世界冠军的奥秘。 作者简介 李玉鑑（鉴） 北京工业大学教授，博士生导师。华中理工大学（现名为华中科技大学）本科毕...
探索双曲正弦函数的极值和拐点：揭示函数图像的起伏
!...# 1. 双曲正弦函数的基本性质 双曲正弦函数，记作 sinh(x)，是双曲函数族中的一员，与普通正弦函数类似，但具有不同的定义域和...从定义中可以看出，sinh(x) 是一个奇函数，即满足 sinh(-x) = -sinh(x)。此外，sinh
快速寻找曲线拐点可执行C代码
09-29
快速寻找曲线拐点可执行C代码
NeurIPS 2022 | 基于解耦因果子结构学习的去偏差图神经网络
Paper weekly
10-10 1329
©作者 |范少华单位| 北京邮电大学博士生来源| 北邮GAMMA Lab论文标题：Debiasing Graph Neural Networks via Learning Disentangled Causal Substructure论文链接：http://shichuan.org/doc/140.pdf代码和数据：https://github.com/BUPT-GAMMA/DisC近日，...
曲线的凹凸性与拐点
白水的博客
01-13 5万+
一个函数在上升或下降的过程中，常常会有一个弯曲方向的问题，例如：虽然同为上升函数，但弯曲方向的不同使它们看起来有显著的区别 下面给出曲线凹凸性的定义: 设f(x)f(x)在区间II上连续，如果对II上任意两点x1,x2x_1, x_2恒有f(x1+x22)f(x1)+f(x2)2f(\frac{x_1+x_2}{2}) 那么称f(x)f(x)在II上的图形是(向上)凹的(或凹弧); 如果
Spline导数及曲率计算
OneSea的专栏
01-21 1万+
参考资料 [1]三次B样条曲率与导数算法Matlab代码
图神经网络（Graph Neural Networks）概述
热门推荐
看我，看我，还看我，再看我就把你吃掉！
06-04 7万+
论文：A Comprehensive Survey on Graph Neural Networks 一篇关于图神经网络的综述文章，着重介绍了图卷积神经网络（GCN），回顾了近些年的几个主要的图神经网络的的体系：图注意力网络、图自编码机、图生成网络、图时空网络。 1、介绍 传统的机器学习所用到的数据是欧氏空间（Euclidean Domain）的数据，欧氏空间下的数据最显著的特征就是有着规则...
瑞利波频散曲线反演研究：人工神经网络方法
研究发现横波速度和介质层厚度对频散曲线影响显著，拐点法分层不具理论依据，人工神经网络反演虽有挑战，但具有潜力。" 瑞利波频散曲线是地震学和地球物理领域中的一个重要概念，它描述了瑞利波（一种在地球表面...
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