本篇文章发表在ICLR 上，对动态图的进行连接预测和结点分类。TGN中，作者除利用传统的图神经网络捕捉非欧式结构生成embedding外，还利用动态图所中时序信息。 TGN主要是由编码器和解码器构成，其中编码器负责将动态网络的每个结点编码成一个向量，解码器会根据具体的训练问题对编码后的向量计算预测属性值，最后根据decoder得到的值设计损失函数，通过优化损失函数来对整个网络进行优化。 先说一下 ...
2021-02-25 16:00 0 621 推荐指数：
Learning Convolutional Neural Networks for Graphs 2018-01-17 21:41:57 【Introduction】 这篇 paper 是发表在 ICML 2016 的：http://jmlr.org/proceedings ...
Learning Dynamic Memory Networks for Object Tracking ECCV 2018Updated on 2018-08-05 16:36:30 Paper: arXiv version Code: https://github.com ...
Spatial Temporal Graph Convolutional Networks for Skeleton-Based Action Recognition 2018-01-28 15:45:13 研究背景和动机： 行人动作识别（Human Action ...
Graph Attention Networks 2018-02-06 16:52:49 Abstract： 本文提出一种新颖的 graph attention networks (GATs), 可以处理 graph 结构的数据，利用 masked ...
Decoupled Dynamic Filter Networks 2021.5.6 CVPR 2021 https://arxiv.org/abs/2104.14107 Introduction 卷积缺点在于：内容不变，计算量高 动态filter可以根据内容 ...
目录 摘要 一、引言 二、相关工作 三、我们的方法 3.1 边缘卷积Edge Convolution 3.2动态图更新 3.3 性质 ...
目录 摘要 一、引言 A．基于视图的方法 B．基于体素的方法 C．基于几何的方法 二、材料 三、方法 A．问 ...
PredNet --- Deep Predictive coding networks for video prediction and unsupervised learning ICLR 2017 2017.03.12 Code and video examples can ...
