本周阅读的论文题目是《Cluster-GCN: An Efficient Algorithm for Training Deep and Large Graph Convolutional Networks》,这是一篇在2019年发表在KDD上的一篇经典的文章,文章提出的模型名字叫Cluster-GCN。 图卷积网络(GCN)已经成功地应用于许多基于图的应用; 然而,培训一个大规模的GCN仍然具有挑战性。 现有的基于S...
【论文阅读笔记】Cluster-GCN 文章信息: 《Cluster-GCN: An Efficient Algorithm for Training Deep and Large Graph Convolutional Networks》,KDD2019 代码: google-research/cluster_gcn at master · google-research/google-researchgithub.com/google-research/google-research/tree/master/cluster_gcn Introduction...
(论文翻译)Cluster-GCN:一种有效的算法,用于训练深度和大规模图卷积网络,程序员大本营,技术文章内容聚合第一站。
训练两层GCN的VRGCN比Cluster-GCN快,但是却慢于增加一层网络但实现相似准确率的Cluster-GCN 在内存使用方面,VRGCN比Cluster-GCN使用更多的内存(对于三层的情况5倍多)。当训练4层GCN的时候VRGCN将被耗尽,然而Cluster-GCN当增加层数的时候并不需要增加太多的内存,并且Cluster-GCN对于这个数据集训练 4 层的GCN将实现...
读Cluster-GCN: An Efficient Algorithm for Training Deep and Large Graph Convolutional Networks,程序员大本营,技术文章内容聚合第一站。
GCN网络包含了L层,且每一层的计算可以表示为: 其中 是一个对角degree矩阵。 包含第 层的嵌入。 是一个用来转换嵌入的矩阵,σ是非线性激活函数(在这里使用的是ReLU)。直观地说,这个公式表达了对每个顶点及其相邻顶点的嵌入特征进行加权平均,用 进行变换,然后作为非线性激活函数的输入的过程。这类似于一个典型的CNN...
FedCG:i )通过符合FL的聚类来识别域,并为每个域实例化域特定的模块(残差分支);ii) 在训练中通过GCN连接特定于域的模块,以学习域之间的交互并共享知识;iii ) 学习通过teacher-student 分类器-训练迭代进行无监督聚类,并通过其域软分配分数来处理新的看不见的测试域。
图网络论文ECCV20一种新的图网络正则化方法:DropCluster /papers/eccv_2020/papers_ECCV/papers/123660239.pdf Dropout已被广泛采用,它通过将节点特征向量随机归零来对图卷积网络(GCN)进行正则化,并在各种任务上获得了不错的性能。但是,将(1)不同节点特征向量进行(spatially)传播,(2)每个节点特征向量的不同entries...
得益于GCN在聚类上的独特交互,FedCG在多个FL基准上达到了最先进的水平。 主要贡献 提出了第一个基于聚类驱动的GCN方法来解决FL场景中的统计异质性问题。得益于通过GCN学习到的域之间的交互,知识根据基于相似性的准则在域之间共享,降低了过拟合的风险,并帮助填充较少的域。
基于宏基因组的海绵及其共附生微生物功能基因簇研究-study on functional gene cluster of sponge and its symbiotic microorganisms based on metagenome.docx,利用 PCR 技术对采集自我国南海的细薄星芒海绵(Stelletta tenui),皱皮软海绵 (Halichondria rugosa) ,贪婪倔