图神经网络的预训练与自监督学习
目录 图神经网络的预训练与自监督学习 图神经网络简史 预训练GNN的前置条件 自监督学习 预训练GNN的技术路线 未来展望 图神经网络的预训练与自监督学习 图神经网络简史 图神经网络（GNN）2005年 ...
原文：学习笔记TF057:TensorFlow MNIST，卷积神经网络、循环神经网络、无监督学习
MNIST 卷积神经网络。https: github.com nlintz TensorFlow Tutorials blob master convolutional net.py 。TensorFlow搭建卷积神经网络 CNN 模型，训练MNIST数据集。 构建模型。 定义输入数据，预处理数据。读取数据MNIST，得到训练集图片 标记矩阵，测试集图片标记矩阵。trX trY teX teY 数 ...
2017-11-04 03:38 0 1631 推荐指数：
相关推荐
脉冲神经网络及有监督学习算法Tempotron
接下来一段时间开启脉冲神经网络模型的探索之旅。脉冲神经网络有更强的生物学基础，尽可能地模拟生物神经元之间的连接和通信方式。其潜在能力较强，值得踏进一步探索。 构建脉冲神经网络模型，至少需要考虑三点：1. 外界刺激编码2. 构建神经元模型3. 制定学习规则 外界刺激的编码方式主要有 ...
tensorflow学习笔记五：mnist实例--卷积神经网络(CNN）
mnist的卷积神经网络例子和上一篇博文中的神经网络例子大部分是相同的。但是CNN层数要多一些，网络模型需要自己来构建。 程序比较复杂，我就分成几个部分来叙述。 首先，下载并加载数据： 定义四个函数，分别用于初始化权值W，初始化偏置项b, 构建卷积层和构建池化层 ...
TensorFlow学习笔记（六）循环神经网络
一、循环神经网络简介 循环神经网络的主要用途是处理和预测序列数据。循环神经网络刻画了一个序列当前的输出与之前信息的关系。从网络结构上，循环神经网络会记忆之前的信息，并利用之前的信息影响后面节点的输出。 下图展示了一个典型的循环神经网络。 循环神经网络的一个重要的概念 ...
学习笔记TF052:卷积网络，神经网络发展，AlexNet的TensorFlow实现
卷积神经网络(convolutional neural network,CNN)，权值共享(weight sharing)网络结构降低模型复杂度，减少权值数量，是语音分析、图像识别热点。无须人工特征提取、数据重建，直接把图片作输入，自动提取特征，对平移、比例缩放、倾斜等图片变形具有高度不变形。卷积 ...
半监督学习图神经网络节点分类实践
参考https://andyguo.blog.csdn.net/article/details/117969648 一、为什么要在图上进行神经网络学习 在过去的深度学习应用中，我们接触的数据形式主要是这四种：矩阵、张量、序列（sequence）和时间序列（time series）。然而来自现实 ...
深度学习之 TensorFlow（四）：卷积神经网络
基础概念： 卷积神经网络（CNN）：属于人工神经网络的一种，它的权值共享的网络结构显著降低了模型的复杂度，减少了权值的数量。卷积神经网络不像传统的识别算法一样，需要对数据进行特征提取和数据重建，可以直接将图片作为网络的输入，自动提取特征，并且对图形的变形等具有高度不变形。在语音分析和图像识别 ...
tensorflow学习笔记：卷积神经网络最终笔记
这已经是我的第五篇博客学习卷积神经网络了。之前的文章分别是： 1，Keras深度学习之卷积神经网络（CNN），这是开始学习Keras，了解到CNN，其实不懂的还是有点多，当然第一次笔记主要是给自己心中留下一个印象，知道什么是卷积神经网络，而且主要是学习Keras，顺便走一下CNN的过程 ...