![](https://img-blog.csdnimg.cn/20201014180756724.png?x-oss-process=image/resize,m_fixed,h_64,w_64)
图网络
文章平均质量分 87
amorfatilily
单向书店
展开
-
PGL图学习
图学习初印象什么是图什么是图学习图学习的应用图学习如何做图学习库简介PGL使用环境安装使用PGL来创建一张图什么是图图的两个基本元素:点、边图是一种同意描述复杂事物的语言常见的图:社交网络、推荐系统、化学分子结构…什么是图学习图学习:Graph Learning。深度学习中的一个子领域,强调处理的数据对象为图。与一般深度学习的区别:能够方便处理不规则数据(树、图),同时也可以处理规则数据(如图像)。图学习的应用三大类应用:节点级别任务:金融诈骗检测(典型的节点分类)、自动驾驶中原创 2020-11-24 01:44:00 · 1782 阅读 · 1 评论 -
GCN的性质
CNN与GCN的区别与联系:CNN没有显示表达出邻接矩阵;GCN用来处理更普遍的非结构化的图数据。两者都是局部连接。两者核卷积的权重是处处共享的。GCN能够对图数据进行端到端学习GCN对表示学习和任务学习一起进行端到端的优化。GCN是一个低通滤波器在图的半监督学习任务中,通常会在相应的损失函数 里增加一个正则项,该正则项需要保证相邻节点之间的类别信息趋于一致,一般情况下,我们选择拉普拉斯矩阵的二次型作为正则约束。...原创 2020-06-27 01:06:24 · 210 阅读 · 0 评论 -
随机稳态嵌入(Stochastic steady-state embedding,SSE)
这里将介绍如何使用DGL和MXNet来实现以下两点:用SSE实现简单的稳态算法用子图采样来进行训练子图采样是一种将学习扩展到大型图(例如,数十亿个节点和边)的技术。 子图采样可以应用于其他算法,例如图卷积网络和关系图卷积网络。稳态算法许多用于图分析的算法都是迭代过程,直到达到稳定状态时才结束。 比如PageRank或者是马尔可夫随机域平均场推理。Flood-fill 算法该算法...原创 2020-06-21 22:51:07 · 562 阅读 · 0 评论 -
图注意力网络GAT in DGL
GAT in DGLGAT引入注意力机制来代替静态的归一化卷积操作。from dgl.nn.pytorch import GATConvimport torchimport torch.nn as nnimport torch.nn.functional as Fclass GATLayer(nn.Module): def __init__(self, g, in_d...原创 2020-04-09 23:18:39 · 1482 阅读 · 0 评论 -
线图神经网络(Line graph neural network, LGNN)
这一部分,我们可以通过实现一个线图神经网络(LGNN)来解决社团检测。社团检测,或者说图聚类,指的是将图中的节点划分为簇,而且簇内的节点比簇间的节点具有更高的相似性。在图神经网络中,我们可以了解到如何以一种半监督方式来对一张输入图的节点进行分类。我们使用图卷积网络作为图特征的嵌入机制。为了将图神经网络概况为有监督的社团检测, 论文Supervised Community Detection w...原创 2020-03-31 22:46:59 · 7299 阅读 · 2 评论 -
关系图卷积网络(Relational graph convolutional network, R-GCN)
关系图卷积网络(R-GCN)这里,我们将会了解如何实现一个关系图卷积网络(R-GCN),这种类型的网络旨在泛化GCN来处理知识库中实体之间的不同关系。如果想要学习更多R-GCN背后的东西,可以看Modeling Relational Data with Graph Convolutional Networks简单的图卷积网络(GCN)和DGL探索一个数据集的结构信息(即,图的连通性)来改善节点...原创 2020-03-29 23:13:14 · 13357 阅读 · 2 评论 -
图卷积网络(Graph Convolutional Network,GCN)
图卷积网络(GCN)这里简单介绍下使用DGL来实现GCN。论文地址我们解释了GraphConv模块下的内容。希望读者可以了解如何使用DGL的APIs来定义一个新的GNN层。模型概述从消息传递的角度看GCN我们从消息传递的角度描述了一个图卷积神经网络层;具体数学描述见下。可以归结为下面的步骤,对于每个节点u:聚合邻居的表示hvh_vhv来生成一个中间表示h^u\hat{h}_uh^...原创 2020-03-28 23:17:57 · 915 阅读 · 0 评论 -
CS2224W图表示学习
Why is it hard?Embedding nodes假定我们有图G,V为顶点集,A为邻接矩阵。目标:How to define node similarity?Random walk approaches to node embeddingsFeature learning as optimizationRandom walk optimiza...原创 2020-03-25 17:14:06 · 266 阅读 · 0 评论 -
CS224W: Mining and learning graphs1
来源:Jure Leskovec, Stanford UniversityWhy Networks?Networks are a general language for describing complex systems.There are complex systems all around us:Society is a collection of 7+ billion indi...原创 2020-03-19 22:59:48 · 142 阅读 · 0 评论 -
CS224W——Snap.py and Google Cloud Tutorial
Snap.py Tutorial** Introduction to SNAP**What is SNAP?Stanford Network Analysis Platform (SNAP)is a general purpose, high-performance system for analysis and manipulation of large networkshttp:/...原创 2020-03-18 18:04:34 · 198 阅读 · 0 评论 -
记录CS2224W图机器学习Machine Learning Graphs(Stanford/Fall 2019)_introduction
Introduction: sturcture of graphsa set of nodesa set of relationships/connections(lines)Starter Topics——Structures of GraphsA network is a collection of objects where ...原创 2020-03-17 11:22:36 · 170 阅读 · 0 评论 -
图神经网络(GNN)1
图论基本概念图(节点、边)、有向图与无向图、walk、trail、path、cycle、完全图、正则图、简单图、multigraph、pseudograph、hypergraph、degree等。OutlineBrief history and some graph applicationSome definitions about graphTaxonomy of GNNTasks...原创 2020-03-06 22:32:59 · 397 阅读 · 0 评论