【大綜解讀】A Comprehensive Survey on Graph Neural Networks
本文主要貢獻 新的分類模式：我們提出了一種新的圖神經網絡分類法。圖神經網絡分為四類：遞歸圖神經網絡、卷積圖神經網絡、圖自動編碼器和時空圖神經網絡。 全面的論述：我們提供了圖形數據的現代深度 ...
原文：Exploiting Edge Features in Graph Neural Networks
介紹 現如今圖神經網絡取得了很大進展，最典型的兩個模型是GCN模型和GAT模型，然而現有的圖神經模型仍然存在以下兩個問題： 邊特征未被有效考慮。比如GAT只考慮兩個節點之間是否有邊 binary indicator ，GCN的邊特征只能是一個實數 one dimensional real value ，通常表示權重 GAT和GCN在每一層都基於最開始輸入的鄰接矩陣進行節點特征過濾，而原始的鄰接矩陣 ...
2020-03-11 10:10 0 799 推薦指數：
相關推薦
Graph Neural Networks：譜域圖卷積
以下學習內容參考了：🔗1，🔗2， 0、首先回憶CNN，卷積神經網絡的結構和特點 處理的數據特征：具有規則的空間結構（Euclidean domains），都可以采用一維或者二維的矩陣描述。（Convolutional neural network (CNN) gains great ...
論文筆記：（2019）GAPNet: Graph Attention based Point Neural Network for Exploiting Local Feature of Point Cloud
目錄 摘要 一、引言 二、相關工作 基於體素網格的特征學習 直接從非結構化點雲中學習特征 從多視圖模型中學習特征 幾何深度學習的 ...
圖神經網絡（Graph Neural Networks，GNN）綜述
https://zhuanlan.zhihu.com/p/75307407 本篇文章是我在2019年8月閱讀完論文“Wu, Zonghan , et al. "A Comprehensive Survey on Graph Neural Networks." (2019).“”后的翻譯與筆記 ...
SR-GNN_Session-based Recommendation with Graph Neural Networks
pdf:Session-based Recommendation with Graph Neural Networks(SR-GNN) 參考博客:https://sxkdz.github.io/research/SR-GNN/ 摘要 基於會話的推薦問題旨在預測基於匿名會話 ...
論文解讀（GIN）《How Powerful are Graph Neural Networks》
論文信息 論文標題：How Powerful are Graph Neural Networks論文作者：Keyulu Xu, Weihua Hu, J. Leskovec, S. Jegelka論文來源：2019, ICLR論文地址：download 論文代碼：download ...
《Graph Neural Networks: A Review of Methods and Applications》閱讀筆記
本文是對文獻 《Graph Neural Networks: A Review of Methods and Applications》 的內容總結，詳細內容請參照原文。 引言 大量的學習任務都要求能處理包含豐富的元素間關聯關系的圖數據，例如物理系統建模、疾病分類以及文本和圖像等非 ...
圖神經網絡GNN-Graph Neural Networks: A Review of Methods and Applications
轉載機器之心的博客：清華大學圖神經網絡綜述：模型與應用，這里僅當個人學習使用； 清華大學孫茂松組整理的很多有關GNN的Paper可以參考：（https://github.com/thunlp/ ...