简介 Graph Neural Networks 简称 GNN，称为图神经网络，是深度学习中近年来一个比较受关注的领域。近年来 GNN 在学术界受到的关注越来越多，与之相关的论文数量呈上升趋势，GNN 通过对信息的传递，转换和聚合实现特征的提取，类似于传统的 CNN，只是 CNN 只能处理规则 ...

大量的学习任务需要处理包含丰富元素间关系信息的图数据。图神经网络(GNNs)是一种连接主义模型，它通过图节点之间的消息传递来捕获图的依赖性。 与标准的神经网络不同，图神经网络保留了一种状态，可以表示来自其任意深度的邻域的信息。虽然原始的gnn很难训练为定点，但最近在网络架构、优化技术 ...

一、图 传统的欧几里得空间数据：文本、图像、视频等【LSTM、CNN可训练】 非欧几里得空间数据：图结构（包含对象和关系，如社交网络、电商网络、生物网络和交通网络等）【图卷积等技术可训练】 1、欧几里得空间 也称欧式空间，二维、三维空间的一般化。将距离、长度和角度等概念转化成任意维度 ...

基于收敛的方法 基于收敛的方法目标是学习每个节点的一种状态嵌入\(h_v\)（包括每个节点的邻居节点信息和自身的信息），\(h_v\) 是一个 关于节点 \(v\) 的\(s\) 维的向量特征，用于 ...

胶囊网络（CapsNet） 卷积网络（CNN）的目标识别 卷积神经网络首先学会识别边界和颜色，然后将这些信息用于识别形状和图形等更复杂的实体。比如在人脸识别上，他们学会从眼睛和嘴巴开始识别最终到整个面孔，最后根据脸部形状特征识别出是不是人的脸。 卷积网络对不同人脸的识别 ...

摘要：图神经网络是一种基于图结构的深度学习方法。 1、什么是图神经网络 图神经网络（Graph Neu做ral Networks, GNNs）是一种基于图结构的深度学习方法，从其定义中可以看出图神经网络主要由两部分组成，即“图”和“神经网络”。这里的“图”是图论中的图数据结构，“神经网络 ...

神经网络简史 　　神经网络技术起源于上世纪五、六十年代，当时叫感知机（perceptron），拥有输入层、输出层和一个隐含层。输入的特征向量通过隐含层变换达到输出层，在输出层得到分类结果。但是，Rosenblatt的单层感知机有一个严重得不能再严重的问题，即它对稍复杂一些的函数都无能为力 ...

Convolutional Neural Networks卷积神经网络 　　卷积神经网络是人工神经网络的一种，已成为当前语音分析和图像识别领域的研究热点。它的权值共享网络结构使之更类似于生物神经网络，降低了网络模型的复杂度，减少了权值的数量。该优点在网络的输入是多维图像时表现的更为明显，使图像 ...