- 博客(6)
- 资源 (1)
- 收藏
- 关注
原创 GCN的卷积核尺寸
ChebyNet中卷积核大小是什么?Defferrard 及其团队,在NIPS.2016的上的文章 《Convolutional neural networks on graph with fast localized spectral fiftering》是学习GCN的入门必读文章。文章的核心要点是将谱域GCN的卷积核,使用chebyshev多项式截断,然后经过迭代,绕开了原有对Laplacian的特征分解所需要的大量计算。因此计算复杂度大量下降,加快了卷积的过程。原文中给出的代码使用了多个类相互继承
2020-08-08 22:17:15 1832
原创 深度学习的一些感悟记录
深度学习的一些感悟记录最近阅读王戈教授(Ge Wang,PhD,IEEE Fellow)的文章A perspective on deep imaging,文中主要着墨于深度学习在data-to-image的过程,提出了对深度学习原理的一些想法,因此我也有一些感悟记录。背景:从最早的人工神经网络的提出,人类借助自然中神经元的连接和发放规律,提出了人工神经元的概念。MLP协助人类解决了初级的模式...
2020-03-27 16:39:40 1854
原创 如何理解图卷积神经网络GCN(Graph convolutional networks)[说人话版]
学习图卷积网络思路指南(GCN谱域版)前言csdn、知乎等平台上已经有不少的关于GCN的解读,本文尝试脱离数学推导部分,而梳理一下GCN的正向学习思路,此处推荐优秀博文,以及知乎问答高质量回答。废话不多说,我们开始吧!一、欧式数据与非欧数据Eucliden domains data (欧式数据)和non-Eucliden domain data(非欧数据),在现实生活中都有着大量的应用。......
2019-12-11 22:39:29 4372 5
原创 DeepGCNs:Can GCNs Go as Deep as CNNs? 论文学习笔记
DeepGCNs:Can GCNs Go as Deep as CNNs? 论文学习笔记 一个好笔记的意义就在于:可以不用看原文 -------鲁树人(滑稽)Abstract目前GCN由于受限于梯度消逝的问题,都比较浅层(一般小于4)本文将几个在深度CNN中使用的技巧:residual connections,dense connection...
2019-12-10 22:29:34 1052 2
原创 Convolutional neural networks on graph with fast localized spectral filtering 代码修改
Defferrard 及其团队,在NIPS.2016的上的文章 《Convolutional neural networks on graph with fast localized spectral fiftering》是学习GCN的入门必读文章。文章的核心要点是将谱域GCN的卷积核,使用chebyshev多项式截断,然后经过迭代,绕开了原有对Laplacian的特征分解所需要的大量计算。因此计...
2019-11-06 11:26:07 802 5
原创 VGG中数据流动 学习记录
VGG16中数据流动学习记录承蒙CSDN各种大神照顾,读研以来学习了不少,今天学习了VGG16的大致概念,却发现没有很详细的类似于AlexNet原文中的配图。作为小白,姑且记录一下。VGG背景介绍VGG卷积神经网络是牛津大学在2014年提出来的模型。当这个模型被提出时,由于它的简洁性和实用性,马上成为了当时最流行的卷积神经网络模型。它在图像分类和目标检测任务中都表现出非常好的结果。在2014...
2019-09-15 19:56:57 210 1
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人