深入淺出圖神經網絡 第3章 卷積神經網絡 讀書筆記
第3章 卷積神經網絡 卷積神經網絡CNN是目前應用最廣泛的模型之一，具有局部連接、權值共享等特點，是一種深層前饋神經網絡。 3.1 卷積與池化 卷積與池化是CNN中的兩個核心操作。 3.1.1 信號處理中的卷積 題外話：因為這部分的核心知識應該是屬於《信號與系統》這門課程 ...
原文：深入淺出圖神經網絡 第5章 圖信號處理與圖卷積神經網絡 讀書筆記
前面廢點話： 終於 來到了GNN最相關的內容 前面四章來說都是一些預備知識，或者說是介紹性的認識的東西，其實和GNN的關系不是特別大。但從這一章開始一上來就是GNN最核心的東西：圖信號處理。這部分其實非常關鍵，但大部分人學的時候可能都會忽視這一點，認為自己可以直接進入GCN的部分，這是錯誤的。入門GCN最勸退的地方其實就是拉普拉斯和傅里葉變換那里，當然沒懂的話也可以對着DGL或者PyG這兩個輪子 ...
2021-07-14 01:39 0 334 推薦指數：
相關推薦
深入淺出圖神經網絡 第2章 神經網絡基礎 讀書筆記
第2章 神經網絡基礎 2.1 機器學習基本概念 2.1.1 機器學習的分類 機器學習有以下幾種常見的分類方法： 根據訓練數據是否有標簽可分為： 監督學習：訓練數據中每個樣本都有標簽，通過標簽指導模型進行訓練 無監督學習：訓練數據完全沒有標簽，算法從數據中發 ...
深入淺出圖神經網絡 第4章 表示學習 讀書筆記
第4章 表示學習 在第2章的時候提到了機器學習的第一步就是提取特征。而表示學習就是自動地從數據中學習特征，並直接用於后續的任務。 4.1 表示學習 4.1.1 表示學習的意義 表示學習要回答3個問題： 如何判斷一個表示比另一個表示更好？ 如何挖掘這些表示？ 使用什么樣的目標 ...
深入淺出圖神經網絡 第6章 GCN的性質 讀書筆記
第6章 GCN的性質 第5章最后講到GCN結束的有些匆忙，作為GNN最經典的模型，其有很多性質需要我們去理解。 6.1 GCN與CNN的區別與聯系 CNN卷積卷的是矩陣某個區域內的值，圖卷積在空域視角下卷的是節點的鄰居的值，由此粗略來看二者都是在聚合鄰域的信息。 再具體來看一些區別與聯系 ...
圖聚類到圖卷積神經網絡（一）
圖數據（0,1板塊） 目錄： 0、引入 1、圖數據 2、圖卷積神經網絡綜述 3、圖卷積神經網絡的實踐 0.引入——卷積神經網絡到圖數據 \(\qquad\)卷積神經網絡的發展極大促進了深度學習的發展，廣泛應用於圖像識別和自然語言處理領域，卷積神經網絡幾乎能做到將很多問題畢其功於一役 ...
深入淺出圖神經網絡 GCN代碼實戰
GCN代碼實戰 書中5.6節的GCN代碼實戰做的是最經典Cora數據集上的分類，恰當又不恰當的類比Cora之於GNN就相當於MNIST之於機器學習。 有關Cora的介紹網上一搜一大把我就不贅述了，這里說一下Cora這個數據集對應的圖是怎么樣的。 Cora有2708篇論文，之間有引用關系 ...
神經網絡與深度學習 邱錫鵬 第5章 卷積神經網絡 讀書筆記
卷積神經網絡(CNN)是一種具有局部連接、權重共享等特性的深層前饋神經網絡。 卷積神經網絡最早主要是用來處理圖像信息。在用全連接前饋網絡來處理圖像時，會存在以下兩個問題： （1）參數太多：隨着隱藏層神經元數量的增多，參數的規模也會急劇增加。這會導致整個神經網絡的訓練效率非常低，也很容易出現 ...
圖卷積神經網絡
以下內容來自 https://zhuanlan.zhihu.com/p/37091549 為什么有圖卷積神經網絡（引言，可跳過） 自2012年以來，深度學習在計算機視覺以及自然語言處理兩個領域取得了巨大的成功。和傳統方法相比，它好在哪里呢？ 假設有一張圖，要做分類，傳統方法需要手動提取 ...