《Deep Learning on Graphs: A Survey》。 Zhang Z, Cui P, Zhu W. Deep learning on graphs: A survey[J]. IEEE Transactions on Knowledge and Data Engineering, 2020. 18年的一篇GNN综述,读完之后,感觉GCN那一部分对我帮助还不小,帮我理清了脉络,也可能是因为之前把《Graph Representation Learning》这本...
图自动编码器 (graph autoencoder,GAE),GAE 假设低秩图结构,并采用无监督方法进行节点表示学习。 图强化学习(graph reinforcement learning,Graph RL),图 RL 定义了基于图的动作和奖励,以在遵循约束的同时获得有关图任务的反馈。 图对抗方法(graph adversarial methods),图对抗方法采用对抗训练技术来增强基于图的模型...
3.【GNN系列3】Deep Learning on Graphs: A Survey-图卷积神经网络 参考资料 https://arxiv.org/pdf/1812.04202.pdf
为了学习模型参数,采用以下半监督方法:使用Jacobi方法迭代求解上述方程到一个稳定点,使用Almeida-Pineda算法执行梯度下降最小化特定任务的目标函数。 GNNs通过以上两个方程展现了重要作用。回顾过去,GNN统一了一些早期处理图数据的方法,例如循环神经网络和马尔可夫链。展望未来,GNNs的基本思想有重要启示:许多先进的GCNs和第...
[ 文献阅读·综述 ] Deep Learning on Graphs: A Survey [1] 推荐理由:图神经网络的survey paper,在很多的领域展现出了独特的作用力,分别通过GRAPH RNN(图循环网络)、GCN(图卷积)、GRAPH AUTOENCODERS(图自编码器)、GRAPH REINFORCEMENT LEARNING(图强化学习模型)、GRAPH AD...猜...
A Survey on Deep Learning in Medical Image Analysis Abstract 深度学习算法特别是卷积神经网络已经快速成为分析医疗图像的一种方法。本文总结了与医疗图像分析的主要的深度学习方法,在这个领域超过300位贡献者,其中大部分是近些年的成就。我们发现深度学习主要应用在图像分类、物体检测、分割、注册和其他任务。概述每个应...
论文阅读08——《Deep Learning on Graphs: A Survey》 神经网络深度学习survey论文模型 深度学习在许多领域都是成功的,从声学、图像到自然语言处理。然而,由于图的独特特性,将深度学习应用于无处不在的图数据并非易事。最近,大量的研究致力于将深度学习方法应用于图,从而在图分析技术方面取得了有益的进展。在这项...
论文笔记:Deep Learning for Trajectory Data Management and Mining: A Survey and Beyond https://www.kuazhi.net/ 对应的github:yoshall/Awesome-Trajectory-Computing: A professional list of Deep Learning and Large (Language) Models (LM, LLM, FM) for Trajectory Data Management and Mining. (github.co...
人工智能论文-A Survey of FPGA Based Deep LearningAccelerators Challenges and Opportunities 热度: 页数:11 人工智能论文5.DEEP GRAPH LIBRARY TOWARDS EFFICIENT ANDSCALABLE DEEP LEARNING ON GRAPHS 热度: 页数:8 t人工智能论文-Attention-based Deep Multiple Instance Learning 热度: 页数:17 人工智能PyT...
A General Survey on Attention Mechanisms in Deep Learning.pdf 注意力是一种重要的机制,可用于跨许多不同领域和任务的各种深度学习模型。这项综述提供了一个关于深度学习注意力机制的重要概述。各种注意力机制通过一个由注意力模型,统一符号,和一个全面的分类注意力机制组成的框架来进行解释。在此基础上,本文综述了...