01 GCN图卷积神经网络

最新推荐文章于 2022-02-11 21:48:06 发布
最新推荐文章于 2022-02-11 21:48:06 发布
阅读量228 收藏 4
点赞数 1
原文链接：https://www.bilibili.com/video/BV18U4y1x7gi/?spm_id_from=333.788.recommend_more_video.0
版权

GCN图卷积神经网络

目录

问题描述

  • 假设我们现在有一个图G：

    • V是顶点集

    • A是邻接矩阵（0代表没边，1代表右边）

    • X是一个m*|V|大小的矩阵，代表节点特征，每个节点有m维的特征

      • 节点特征：
        对社交网络：用户资料（年龄，学历，地区），用户画像等
        生物信息网络：基因表达图谱，基因功能信息等
        节点没有特征:可以使用one-hot编码，使得每个节点的特征都不同

  • 我们想做的任务可以是节点分类，连接预测，整图分类等

问题描述

聚合邻居信息聚合邻居信息

聚合邻居信息
网络层
在这里插入图片描述
在这里插入图片描述

文章引用b站up主视频
https://www.bilibili.com/video/BV18U4y1x7gi/?spm_id_from=333.788.recommend_more_video.0

Monk丶
关注
  • 1
    点赞
  • 踩
  • 4
    收藏
    觉得还不错? 一键收藏
  • 1
    评论
【图神经网络】图卷积网络 GCN
weixin_44413191的博客
10-02 3772
本文为图神经网络的学习笔记，讲解图卷积网络 GCN。
STGCN图卷积神经网络.pdf
05-28
STGCN图卷积神经网络
gcn 图卷积神经网络_GCN 图卷积神经网络
weixin_39805409的博客
11-24 253
图数据一直就是机器学习领域里最重要的数据结构。与图像数据和文本数据相比，神经网络在图数据上的大规模应用最近几年才大量出现，然而已经呈现出井喷的趋势，在学术界和工业界都产生了巨大的影响。想要系统掌握的话，不仅要知道原理，更要懂得代码细节，以及亲手实战具体项目，了解近年来来一系列模型的发展脉络。想要全面地学习这些知识点的话，可以学习 bienlearn 上的图神经网络专栏。 这个图神经网络专栏由大厂高...
图卷积神经网络（GCN）
Lakinlv的博客
08-08 238
图卷积神经网络基本介绍
卷积神经网络小结(Convolutional Neural Networks)
05-28 7040
CNNs应用的最成功的一个例子：Yann LeCun（曾经是Hinton组的research associate） http://yann.lecun.com/exdb/lenet/index.html   code project上的一个C++写的例子，有很详细的文档说明： http://www.codeproject.com/Articles/16650/Neural-
gcn 图卷积神经网络_图卷积神经网络(Graph Convolutional Network, GCN)
weixin_39610366的博客
11-24 484
从谱聚类说起谱聚类(spectral clustering)是一种针对图结构的聚类方法，它跟其他聚类算法的区别在于，他将每个点都看作是一个图结构上的点，所以，判断两个点是否属于同一类的依据就是，两个点在图结构上是否有边相连，可以是直接相连也可以是间接相连。举个例子，一个紧凑的子图（如完全图）一定比一个松散的子图更容易聚成一类。那谱聚类为什么叫谱而不是图聚类呢？这个spectral是什么东西？我们知...
基于tensorflow2.0实现图卷积神经网络GCN.zip
08-22
图卷积神经网络(GCN)理解与 tensorflow2.0 代码实现 图(Graph)，一般用 G = ( V , E ) G=(V,E)G=(V,E) 表示，这里的V VV是图中节点的集合，E EE 为边的集合，节点的个数用N NN表示。在一个图中，有三个比较重要的...
st-gcn时空图卷积神经网络
12-11
Spatial Temporal Graph Convolutional Networks for Skeleton-Based Action Recognition. 图卷积神经网络，2018年AAAI论文代码。
T-GCN（图卷积神经网络-交通流预测）.zip
01-09
图卷积神经网络（Graph Convolutional Networks, 简称GCN）是深度学习领域中的一种重要模型，尤其在处理非欧几里得数据，如社交网络、化学分子结构和交通网络等复杂数据时展现出强大的能力。在这个“T-GCN（图卷积...
图卷积网络Graph Convolutional Network（GCN）的理解和详细推导.pdf
06-11
图卷积网络 GCN Graph Convolutional Network（谱域GCN）的理解和详细推导博客pdf 原博客链接：https://blog.csdn.net/yyl424525/article/details/100058264#comments_12499724
GCN-CRISPR:图卷积网络（GCN）在CRISPRCas9基因编辑中用于分类和预测脱靶的实现
04-12
GCN的CRISPR 图卷积网络的实现（Kipf等人，（2016））（GCN）用于在CRISPR / Cas9基因编辑中分类和预测脱靶 该文件目前正在审查中，可在此处访问资源库。 参考： 田纳西州基普夫（Kipf，TN）和威灵（Welling），M.（2016）。 图卷积网络的半监督分类。 arXiv预印本arXiv：1609.02907。 图卷积网络（GCN）在CRISPR / Cas9基因编辑中用于分类和预测脱靶的实现
讲GCN的最好的资料
08-30
Thomas Kipf亲自做的，非常详细，细致，很有收获！
gcn 图卷积神经网络_图卷积神经网络 GCN 初探
weixin_39946996的博客
11-30 575
一、为什么会出现GCN(图卷积神经网络)普通卷积网络都是研究的具备欧几里得领域的数据，例如规则的正方形(例如图像)，语音等。1.1 平移不变性 translation invariance如果无论一只猫怎么平移，扭曲，最终识别出来都是一只猫，输入怎么变形输出都是一只猫，那么称这个神经网络满足平移不变性。网络的层次越深，这个特性越明显。1.2 平移可变性 translation varia...
图卷积神经网络GCN
weixin_45523256的博客
02-11 933
图卷积神经网络 图卷积神经网络就是一种能对图数据进行处理的方法。 如何理解图卷积算法？ 我们看动图分三步去理解（不同的节点有不同的权重）： 第一步：发射（send）每一个节点将自身的特征信息经过变换后发送给邻居节点。这一步是在对节点的特征信息进行抽取变换。 第二步：接收（receive）每个节点将邻居节点的特征信息聚集起来。这一步是在对节点的局部结构信息进行融合。 第三步：变换（transform）把前面的信息聚集之后做非线性变换，增加模型的表达能力。 GCN，图卷积神经网络，实际上跟CNN的作用一样，
gcn 图卷积神经网络_谱域图卷积模型---SCNN,ChebNet,GCN
weixin_39862097的博客
11-24 589
对于图神经网络（GNN）而言，其实现卷积主要有两种两种方法，分别是谱域图卷积方法和空域图卷积方法。这次主要介绍使用谱方法实现卷积的三个模型，即SCNN,ChebNet,GCN。近几年图神经网络的越来越火，在很多领域都发挥着很大的作用。对于GNN来说，其核心是图卷积网络GCN，那么今天就来讲解一篇 GCN的代表论文：semi-supervised classification with graph ...
【深度学习】图卷积神经网络GCN
littlemichelle
06-08 259
参考： 基于知识图谱和图卷积神经网络的应用和开发
【GCN】图卷积网络初探——基于图（Graph）的傅里叶变换和卷积
beata2的博客
05-26 427
原文链接
图卷积神经网络GCN大白话解读！
qq_38888209的博客
06-29 3396
何时能懂你的心——图卷积神经网络（GCN）https://zhuanlan.zhihu.com/p/71200936蝈蝈把知道的讲清楚。公众号SimpleAI，欢迎来逛逛。已关注天雨粟、马东什么等 1,370 人赞同了该文章作者：郭必扬2019.6.25 GCN问世已经有几年了（2016年就诞生了），但是这两年尤为火爆。本人愚钝，一直没能搞懂这个GCN为何物，最开始是看清华写的一篇三四十页的综述，读了几页就没读了；后来直接拜读GCN的开山之作，也是读到中间的数学部分就跪了；再后来在知乎上看大神们的讲解，直接
GCN图卷积神经网络
最新发布
09-11
GCN图卷积神经网络是一种特征提取器，它的作用和卷积神经网络CNN类似，不过GCN的对象是图数据。它通过精妙的设计方法，从图数据中提取特征，使我们能够对图数据进行节点分类、图分类、边预测，并得到图的嵌入表示。GCN是一个多层的图卷积神经网络，每一层只处理一阶邻域信息，并通过叠加多个卷积层来实现多阶邻域的信息传递。这种网络结构在图像领域和序列数据（例如语言处理）等传统任务上都取得了惊人的效果。

“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 1
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