时间迁移-CSDN博客

原创论文笔记——Permutohedral-GCN: Graph Convolutional Networks with Global Attention

【论文笔记】Permutohedral-GCN: Graph Convolutional Networks with Global Attention作者：HeshamMostafa，MarcelNassar代码：无摘要图卷积网络（GCNs）通过聚集图中邻居节点的特征来更新节点的特征向量。这会忽略来自遥远节点的潜在有用贡献。本文引入了一种全局注意力机制，其中一个节点可以有选择地关注并聚合图中任何其他节点的特征。注意力系数依赖于可学习的节点嵌入之间的欧氏距离，我们证明了基于注意力的全局聚集方案类似于高

2020-06-01 19:15:35 809

原创 GCN论文笔记——HopGAT: Hop-aware Supervision Graph Attention Networks for Sparsely Labeled Graphs

本研究首先针对节点分类任务提出一种hop-aware注意力监督机制。然后采用模拟退火学习策略，在训练时间线上平衡节点分类和hop-aware注意力系数两个学习任务。

2020-06-01 17:58:15 1232

空空如也

TA创建的收藏夹 TA关注的收藏夹

TA关注的人

原创 论文笔记——Permutohedral-GCN: Graph Convolutional Networks with Global Attention

原创 GCN论文笔记——HopGAT: Hop-aware Supervision Graph Attention Networks for Sparsely Labeled Graphs

空空如也

空空如也

原创论文笔记——Permutohedral-GCN: Graph Convolutional Networks with Global Attention