- 博客(17)
- 收藏
- 关注
RSS订阅原创 声波导管理论及仿真
一般声源在无界空间中辐射的常常是波阵面逐步发散的球面波，现在将声的辐射约束在管子中，以此探讨自然管子的形状、尺寸以及管壁材料还有声源的状态对管中声波传播的影响。当声源的频率大于特定波次的简正频率时，该简正频率产生的波会沿轴向不衰减传播，并呈现出周期性变化。相反，若声源的频率小于特定波次的简正频率时，该简正频率产生波的声压将会呈现指数衰减的特点。
2024-08-26 21:00:17
576
原创 基于AD9833的信号发生器
本文利用FPGA控制AD9833，实现信号发生器的功能。本文将对AD9833的手册进行详细的解读，并对其配置方法进行解析，最后在Verilog中进行编码，将代码烧录置FPGA中，FPGA通过外部引脚控制AD9833输出所需要的正弦波、方波和三角波。三种波形能够输出的频率范围为0~12.5Mhz。
2024-01-02 11:20:47
6592
11
原创 FPGA-EEPROM读写记录
本文基于Vivado2020平台，利用正点原子领航者7020开发板控制EEPROM读写。整篇文章会首先对AT24C64技术文档进行分析，其次分析AT24C64在FPGA上的引脚分配情况，最后逐步分析正点原子给出的Verilog代码，对E2PROM的读写过程进行仿真分析。
2023-11-04 17:14:07
324
1
原创 Vivado下载问题
本博文列举了博主在下载Vivado20.3版本时遇到的两个主要问题，分别是官网下载安装程序报错和安装程序下载过程中的报错。
2023-10-14 14:24:28
1980
5
原创 我的世界方块宝可梦下载方法（Cobblemon）
本文介绍了启动器的下载方式、启动器如何登陆并且列举了登陆过程中可能遇到的两个问题，最后分享了方块宝可梦的整合包并说明了宝可梦的刷新机制。
2023-10-11 10:47:23
2509
1
原创 A3T-GCN架构预测交通流量
本博文主要讨论使用T-GNN的交通流量预测任务。首先，我们研究了PeMS-M数据集，并将其从表格数据转换为具有时间信号的静态图形数据集。在实践中，我们基于输入距离矩阵创建了一个加权邻接矩阵，并将交通速度转换为时间序列。最后，我们实现了一个A3T-GCN模型，这是一个为交通预测而设计的T-GNN模型。我们将结果与两条基线进行了比较，并验证了我们的模型所做的预测。
2023-09-20 16:39:44
1690
4
原创 Explaining Graph Neural Networks
在本博文中，我们探讨了XAI应用于GNN的领域。可解释性在许多领域都是一个关键因素，可以帮助我们建立更好的模型。我们看到了提供局部解释的不同技术，并专注于GNNExplainer（基于微扰的方法）和Integrated Gradients（基于梯度的方法）。我们使用PyTorch Geometric在两个不同的数据集上实现了它们，以获得图和节点分类的解释。最后，我们对这些技术的结果进行了可视化和讨论。
2023-09-18 21:20:48
489
1
原创 Temporal Graph Neural Network：EvolveGCN、MPNN-LSTM
本文介绍了一种具有时空信息的新型图。这个时间分量在许多应用中都很有用，主要与时间序列预测有关。我们描述了适合这种描述的两种类型的图：静态图，其中特征随着时间的推移而变化，以及动态图，其中特征和拓扑可以改变。此外，我们还介绍了时态GNN的两种应用。首先，我们实现了EvolveGCN架构，它使用GRU或LSTM网络来更新GCN参数。我们通过重新访问网络流量预测来应用它，并在有限的数据集上取得了出色的结果。其次，采用MPNN-LSTM结构进行疫情预测。我们对英格兰Covid数据集应用了一个带有时间信号的动态图，但
2023-09-16 15:34:21
726
2
原创 Heterogeneous Groups（heterogeneous GNNs）
在本章中，我们通过三个步骤来推广GNN层——消息、聚合和更新。在本章的其余部分，我们扩展了这个框架来考虑由不同类型的节点和边组成的异构网络。这种特殊的图形允许我们表示实体之间的各种关系，这比单一类型的连接更有洞察力。此外，我们还看到了如何将同构GNN转换为异构GNN，这要归功于PyTorch Geometric。我们描述了异构GAT中的不同层，这些层将节点对作为输入来建模它们之间的关系。最后，我们使用HAN实现了一个异构特定架构，并比较了两种技术在DBLP数据集上的结果。这证明了开发这种网络中所代表的异构信
2023-09-12 16:42:53
352
1
原创 Variational Graph Autoencoder（VGAE）和Subgraphs, Embeddings, and Attributes for Link prediction（SEAL)
在本章中，我们探索了一个新的链接预测任务。我们通过介绍启发式和矩阵分解技术对这一领域进行了概述。启发式算法可以根据它们考虑的$k$跳邻居进行分类——从具有1跳邻居的局部算法到具有整个图的知识的全局算法。相反，矩阵分解使用节点嵌入近似邻接矩阵。我们还解释了该技术如何与前面描述的算法相关联章节（DeepWalk 和 Node2Vec）。
2023-09-09 20:26:28
597
1
原创 Graph Isomorphism Network(GIN)
在本章中，我们提出了WL检验方法，它可以输出图的规范形式。该算法并不完美，但可以区分大多数图结构。它启发了GIN体系结构，设计成与WL测试一样具有表现力，因此严格来说比GCNs、GATs或GraphSAGE更具表现力。然后我们实现了这个架构用于图分类。我们看到了将节点嵌入组合成图嵌入的不同方法。GIN提供了一种新的技术，它结合了求和算子和每一层生成的图嵌入的连接。它明显优于GCN层获得的经典全局平均池化。最后，我们比较了两种模型的预测结果，并提出了进一步提高模型预测结果的可能方法。
2023-09-07 16:43:49
877
1
原创 GraphSAGE
本文介绍了GraphSAGE框架及其两个组成部分——邻接节点采样算法和三个聚合算子。邻接节点采样是GraphSAGE在短时间内处理大型图的核心。它还负责归纳设置，这允许它将预测推广到看不见的节点和图。我们在PubMed上测试了一种转换情况，并在PPI数据集上测试了一种感应情况，以执行一种新的任务-多标签分类。虽然不如GCN或GAT准确，但GraphSAGE是处理大量数据的流行且高效的框架。
2023-09-06 20:58:36
1508
原创 Graph Attention Networks(GATs)
图注意网络（GATs）是对GCNs的理论改进。GATs提出了一种加权因子，该因子考虑了节点特征的“自我关注”过程，改进了GCNs静态的归一化系数。在本文中，我们将介绍GATs是如何工作的，并将其应用于实例，进一步了解其工作原理。
2023-09-05 20:32:41
548
2
原创 Graph Convolutional Networks（GCN）
在本文中，我们改进了我们的GNN层来正确地规范化特征。这个增强引入了GCN层和智能规范化。我们将这个新架构与我们在Cora数据集上的GNN进行了比较。由于这种归一化过程，GCN在这种情况下都获得了最高的准确率分数。最后，我们将其应用于维基百科网络的节点回归，并学习如何处理这个新任务。
2023-09-04 20:08:12
496
2
原创 Vanilla Graph Neural Networks（GNN）
了解MLP和GNN之间不同的环节。用线性代数建立GNN架构。从科学文献中探索了流行的图数据集来比较我们的两种架构。
2023-09-03 20:13:12
423
原创 Improving Embeddings with Biased Random Walks in Node2Vec
在本章中，我们学习了Node2Vec，这是基于流行的Word2Vec的第二种架构。我们实现了生成有偏随机漫步的函数，并解释了它们的参数。我们通过将Node2Vec的结果与DeepWalk的Zachary's Karate Club的结果进行比较来展示它们的实用性。最后，我们使用自定义图形数据集和Node2Vec的另一个实现构建了第一个RecSys。它给了我们正确的建议。
2023-08-31 14:48:04
60
原创 Word2Vec - The Skip-Gram Model
学习DeepWalk架构及其主要组件。我们使用随机游走将图形数据转换成序列，并应用强大的Word2Vec算法。由此产生的嵌入可用于查找节点之间的相似性或作为其他算法的输入。特别地，我们使用监督方法解决了一个节点分类问题。
2023-08-30 16:51:05
124
1
利用TPS5430输出正负5V的电压
2023-12-24
2022 数学建模国赛C题代码
2023-08-11
Labview信号发生器
2023-03-31
Labview波形发生器
2023-03-31
Labview循环移位滤波器
2023-03-22
基于多种群遗传算法求解多目标优化问题
2023-01-02
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人