論文解讀一代GCN《Spectral Networks and Locally Connected Networks on Graphs》
Paper information Tittle：《Spectral Networks and Locally Connected Networks on Graphs》 Authors：Joan Bruna、Wojciech Zaremba、Arthur Szlam ...
原文：Spectral Networks and Deep Locally Connected Networks on Graphs圖上的譜網絡和深局部連通網絡-論文理解
參考博客：https: blog.csdn.net weixin article details https: www.zhihu.com question .引言 傳統的CNN由於具有平移不變性 即每個節點的鄰居結點數都是固定的 ，經過訓練可以很好的提取一些高層次的語義信息，但是對於一些社交網絡，腦連接這些高維不規則型網格數據CNN並不能很好的工作，或者說沒有辦法去工作。文章考慮這種情況，擴展了 ...
2020-06-16 10:22 0 996 推薦指數：
相關推薦
[論文理解] Squeeze-and-Excitation Networks
Squeeze-and-Excitation Networks 簡介 SENet提出了一種更好的特征表示結構，通過支路結構學習作用到input上更好的表示feature。結構上是使用一個支路去學習如何評估通道間的關聯，然后作用到原feature map上去，實現對輸入的校准。支路的幫助 ...
[論文理解] Spatial Transformer Networks
Spatial Transformer Networks 簡介 本文提出了能夠學習feature仿射變換的一種結構，並且該結構不需要給其他額外的監督信息，網絡自己就能學習到對預測結果有用的仿射變換。因為CNN的平移不變性等空間特征一定程度上被pooling等操作破壞了，所以，想要網絡能夠應對 ...
[論文筆記] ：Temporal Graph Networks for Deep Learning on Dynamic Graphs
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。 TGN主要是由編碼器和解碼器構成，其中編碼器負責將動態網絡的每個結點編碼成一個向量，解碼器會根據具體 ...
linux 如何連通網絡
linux連同網絡的方法目前只實現的兩種。 VMware提供了三種將虛擬網卡和物理卡捆綁起來的方式 使用網絡地址轉換的方式 橋接的方式 ###使用使用了兩種的方法實現了虛擬機的網絡的鏈接。 ###Bridge模式直接將虛擬機添加到局域網中，使虛擬機看起來像網內的一台真實計算機 ...
Deep Learning 33：讀論文“Densely Connected Convolutional Networks”-------DenseNet 簡單理解
一.讀前說明 1.論文"Densely Connected Convolutional Networks"是現在為止效果最好的CNN架構,比Resnet還好,有必要學習一下它為什么效果這么好. 2.代碼地址：https://github.com/liuzhuang13/DenseNet 3. ...
論文解讀二代GCN《Convolutional Neural Networks on Graphs with Fast Localized Spectral Filtering》
Paper Information Title：《Convolutional Neural Networks on Graphs with Fast Localized Spectral Filtering》Authors：Michaël Defferrard、Xavier Bresson ...
[論文理解] Making Convolutional Networks Shift-Invariant Again
Making Convolutional Networks Shift-Invariant Again Intro 本文提出解決CNN平移不變性喪失的方法，之前說了CNN中的downsample過程由於不滿足采樣定理，所以沒法確保平移不變性。信號處理里面解決這樣的問題是利用增大采樣頻率或者用抗 ...