完善资料让更多小伙伴认识你，还能领取20积分哦，立即完善>
标签 > GNN
图神经网络（GNN）是一种直接作用于图结构上的神经网络。GNN的一个典型应用是节点分类，本质上，图中的每个节点都与一个标签相关联，我们希望预测未标记节点的标签。
图神经网络（GNN）是一种直接作用于图结构上的神经网络。GNN的一个典型应用是节点分类，本质上，图中的每个节点都与一个标签相关联，我们希望预测未标记节点的标签。
图神经网络（GNN）在社交网络、知识图、推荐系统甚至生命科学等各个领域得到了越来越广泛的应用。GNN在对图节点之间依赖关系进行建模的强大功能，使得与图分析相关的研究领域取得了突破。
在计算机科学中，图是由顶点和边两部分组成的一种数据结构。图G可以通过顶点集合V和它包含的边E来进行描述。
全面回顾Graph深度学习，一文看尽GNN、GCN、GAE、GRNN、GRL
不规则域(Irregular domain)。与图像、音频、文本等具有清晰网格结构的数据不同，图处于不规则的域中，使得很难将一些基本的数学运算推广到图中...
神经网络的基本知识，以及两种更高级的算法：DeepWalk和GraphSage
在节点分类问题设置中，每个节点 v 的特征 x_v 与一个 ground-truth 标签 t_v 相关联。给定一个部分标记的 graph G，目标是利...
在图分类数据集上，通过实验验证我们的理论，其中 GNN 的表达能力对于捕获图结构至关重要。特别是，我们对基于各种聚合函数的 GNN 性能进行了对比。我们...
ICLR 2019论文解读：胶囊图神经网络的PyTorch实现
上图所示为CapsGNN的简化版本。它由三个关键模块组成：1）基本节点胶囊提取模块：GNN用于提取具有不同感受野的局部顶点特征，然后在该模块中构建主节点...
接上一篇...... GNN加速器顶层架构 此GNN加速器是为GraphSAGE算法设计的，但是它的设计也可以应用于其他类似的GNN算法加速。其顶层架构...
一个基于PyTorch的几何深度学习扩展库，为GNN的研究和应用再添利器
作者在论文中写道：“这是一个 PyTorch 的几何深度学习扩展库，它利用专用的 CUDA 内核实现了高性能。它遵循一个简单的消息传递 API，将最近提...
为了解决图的相似度学习问题，我们研究了GNN在这种情况下的使用，探讨了如何将图嵌入到向量空间中，并学习这种嵌入模型，使相似的图在向量空间中更接近，而不同...
GNN 在经历过 2017-2018 年两年的孕育期与尝试期之后，在 2018 年末至今的一年多时间里，迎来了快速爆发期。
即在分布式计算或者多代理（multi-agent）系统中，如何在发生进程故障的情况下保持系统的可靠性（reliability）。这通常需要进程就计算过程...
图神经网络的可解释性是目前比较值得探索的方向，今天解读的2021最新综述，其针对近期提出的 GNN 解释技术进行了系统的总结和分析，归纳对比了该问题的解决思路。
由于高度的复杂性和信息的结构特征，图上的机器学习是一项困难的任务。「GCN是被设计用来针对图结构的神经网络，它能从之前的网络层中聚合信息。在图中，这种机...
图数据的天然优势是为学习算法提供了丰富的结构化信息，节点之间邻接关系的设计成为了重要的先验信息和交互约束。
最新研究提出，图神经网络仅对特征向量进行低通滤波，不具有非线性流形学习特性。论文提出了一种基于图形信号处理的理论框架，用于分析图神经网络。
传统的NLP任务中，文本序列被认为是一个由tokens组成的袋子，如BoW（词袋模型）和TF-IDF（词频-逆文档频率）。
随着该领域的不断发展，如何构建强大的 GNN 成为了核心问题。什么样的架构、基本原则或机制是通用的、可泛化的，并且能扩展到大型图数据集和大型图之上呢？另...
第一个工作是Research Track的《Towards Deeper Graph Neural Networks》。该工作从另一个角度去解读深度图神...
随着机器学习、深度学习的发展，语音、图像、自然语言处理逐渐取得了很大的突破，然而语音、图像、文本都是很简单的序列或者网格数据，是很结构化的数据，深度学习...
图神经网络的可解释性是目前比较值得探索的方向，今天解读的2021最新综述，其针对近期提出的 GNN 解释技术进行了系统的总结和分析，归纳对比了该问题的解...
图神经网络是一种直接在图结构上运行的神经网络。GNN的一个典型应用是节点分类。本质上，图中的每个节点都与一个标签相关联，我们希望预测未标记节点的标签。本...
换一批
编辑推荐厂商产品技术软件/工具OS/语言教程专题
| 电机控制 | DSP | 氮化镓 | 功率放大器 | ChatGPT | 自动驾驶 | TI | 瑞萨电子 |
| BLDC | PLC | 碳化硅 | 二极管 | OpenAI | 元宇宙 | 安森美 | ADI |
| 无刷电机 | FOC | IGBT | 逆变器 | 文心一言 | 5G | 英飞凌 | 罗姆 |
| 直流电机 | PID | MOSFET | 传感器 | 人工智能 | 物联网 | NXP | 赛灵思 |
| 步进电机 | SPWM | 充电桩 | IPM | 机器视觉 | 无人机 | 三菱电机 | ST |
| 伺服电机 | SVPWM | 光伏发电 | UPS | AR | 智能电网 | 国民技术 | Microchip |
| 开关电源 | 步进电机 | 无线充电 | LabVIEW | EMC | PLC | OLED | 单片机 |
| 5G | m2m | DSP | MCU | ASIC | CPU | ROM | DRAM |
| NB-IoT | LoRa | Zigbee | NFC | 蓝牙 | RFID | Wi-Fi | SIGFOX |
| Type-C | USB | 以太网 | 仿真器 | RISC | RAM | 寄存器 | GPU |
| 语音识别 | 万用表 | CPLD | 耦合 | 电路仿真 | 电容滤波 | 保护电路 | 看门狗 |
| CAN | CSI | DSI | DVI | Ethernet | HDMI | I2C | RS-485 |
| SDI | nas | DMA | HomeKit | 阈值电压 | UART | 机器学习 | TensorFlow |
| Arduino | BeagleBone | 树莓派 | STM32 | MSP430 | EFM32 | ARM mbed | EDA |
| 示波器 | LPC | imx8 | PSoC | Altium Designer | Allegro | Mentor | Pads |
| OrCAD | Cadence | AutoCAD | 华秋DFM | Keil | MATLAB | MPLAB | Quartus |
| C++ | Java | Python | JavaScript | node.js | RISC-V | verilog | Tensorflow |
| Android | iOS | linux | RTOS | FreeRTOS | LiteOS | RT-THread | uCOS |
| DuerOS | Brillo | Windows11 | HarmonyOS |
关注我们的微信
下载发烧友APP
电子发烧友观察
版权所有 © 湖南华秋数字科技有限公司
长沙市望城经济技术开发区航空路6号手机智能终端产业园2号厂房3层（0731-88081133）
电子发烧友 （电路图） 湘公网安备43011202000918
工商网监
湘ICP备2023018690号-1
