本文介绍 ICML2020 中4 篇与图卷积网络相关的论文。 论文 亮点 1. 自监督何时有助于图卷积网络? 首次将自监督纳入 GCNs 的系统探索和评估 2. 用于图结构数据的卷积核网络 引入了一族多层图核,并在图卷积神经网络和核方法之间建立了新的联系 3. 简单和深图卷积网络 设计与分析了深图卷积网络 4. 常曲率图卷...
这篇文章提出一个多通道脑电波情感识别方法,基于创新的动态图卷积神经网络(Dynamical Graph Convolutional Neural Networks, DGCNN)。该方法的基本思想是使用图结构来建模多通道脑电波特征,然后基于这个模型进行脑电波情感识别。与传统的图卷积方法不同,所提出的DGCNN方法可以动态学习不同脑电波通道之间的内在固有关系,使用...
图卷积网络 Thomas Kipf 提出图卷积网络（GCN），用于执行图结构数据中节点的半监督分类任务。GCN 是图神经网络的一种形式，在图中执行参数化的消息传递操作，被建模为谱图卷积的一阶近似值。截至 GCN 发表时，它在多个无向图数据集的节点级分类任务中实现了 SOTA 性能。多层 GCN 执行半监督分类任务图示。使用图...
摘要:本文提出一种基于局部特征保留的图卷积网络架构,与最新的对比算法相比,该方法在多个数据集上的图分类性能得到大幅度提升,泛化性能也得到了改善。本文分享自华为云社区《 论文解读:基于局部特征保留的图…
图卷积网络(Graph Convolutional Network,GCN)是近年来逐渐流行的一种神经网络结构。不同于只能用于网格结构(grid-based)数据的传统网络模型 LSTM 和 CNN,图卷积网络能够处理具有广义拓扑图结构的数据,并深入发掘其特征和规律,例如 PageRank 引用网络、社交网络、通信网络、蛋白质分子结构等一系列具有空间拓扑图结构的不...
论文一作李国豪表示,「目前常见的图卷积神经网络一般都是 3、4 层,我们关注的问题是图卷积神经网络 GCN/GNN 是否也能和一般的卷积神经网络 CNN 一样加深到 50+层而不会有 Vanishing Gradient 问题,我们提出了 ResGCNs,DenseGCNs 和 Dilated GCN,MRGCN 等结构,甚至能训练收敛 152 层 GCN,并在点云分割任务上取...
图卷积网络是 GNN 的其中一类,本文主要对图卷积做一个简单的概述,包括问题分类、图卷积原理以及 GCN 的变种。之后再通过一个简单的论文分类应用来加深对图卷积的理解。 1 图卷积概述 1.1 问题分类 GNN 所面临的问题大体可分为三个层面:节点级别的,如节点的分类任务;边级别的,如边的预测任务;图级别的,如图的分...
论文题目基于自适应时空图卷积网络的航空发动机剩余寿命预测论文作者许丹阳,尚洁,蒋琛,邱浩波(通讯作者),高亮作者单位华中科技大学机械科学与工程学院基金项目湖北省重点研发计划资助项目(2021AAB001)国家重点研发计划资助项目(2020YFB1709800)论...
在隐私保护的环境下为图卷积网络引入了一种纵向联邦学习算法,为现有联邦学习方法无法解决的联邦问题提供解决方案; 提供了一种新的方法,采用加法同态加密( HE )来确保隐私,同时保持准确性。在3个基准数据集上的实验结果表明,我们的算法显著优于在孤立数据上训练的GNN模型,并取得了与在组合明文数据上训练的传统GNN相当...