論文概述 本篇論文中主要提出了兩個計算圖相似性的網絡，分別是Graph Embedding Models和.Graph Matching Networks Graph Embedding Models 模型思想 圖嵌入模型通過網絡把圖表示成一個向量，這樣通過計算向量間的距離就可以得到兩個圖之間的相似性。 網絡結構 圖嵌入模型主要由三部分組成： 一個編碼層 an encoder ， 多個傳播層 pr ...
2019-06-21 14:58 0 958 推薦指數：
1. 文獻信息 題目： Learning Combinatorial Embedding Networks for Deep Graph Matching（基於圖嵌入的深度圖匹配） 作者：上海交通大學研究團隊（Runzhong Wang ,Junchi Yan,Xiaokang Yang ...
Deep Learning of Graph Matching 閱讀筆記 CVPR2018的一篇文章，主要提出了一種利用深度神經網絡實現端到端圖匹配(Graph Matching)的方法. 該篇文章理論性較強，較難讀懂。。。 論文鏈接 介紹這篇文章之前，需要先了解一下什么是圖匹配，圖 ...
本篇文章發表在ICLR2020上，對動態圖的進行連接預測和結點分類。TGN中，作者除利用傳統的圖神經網絡捕捉非歐式結構生成embedding外，還利用動態圖所中時序信息。 T ...
Graph Attention Networks paper： https://mila.quebec/wp-content/uploads/2018/07/d1ac95b60310f43bb5a0b8024522fbe08fb2a482.pdf code & data ...
論文：《Memory-based Graph Networks》，ICLR2020 代碼：https://github.com/amirkhas/GraphMemoryNet 概述 圖神經網絡(GNNs)是一類深度模型，可處理任意拓撲結構的數據。比如社交網絡、知識圖譜、分子結構 ...
自監督學習-SLAPS: Self-Supervision Improves Structure Learning for Graph Neural Networks 標簽：自監督學習、圖神經網絡 動機&背景 當可用的圖結構表現出高度的同質性 (即連接的節點通常屬於同一類) 時 ...
標簽: 自監督、 圖神經 動機 首先, 由於很難改變 GCNs 固有的淺層結構, 如何設計一種基於 GCNs 的一致高效的訓練算法來提高其在標簽節點較少的圖上的泛化性能？ 其次, ...
