3、属性图:是由 顶点(Vertex),边(Edge),标签(Lable),关系类型 还有 属性(Property)组成的有向图。顶点也称为 节点(Node),边也称为 关系(Relationship)。 4、非显示图:数据之间没有显示地定义出关系,需要依据某种规则或者计算方式将数据的关系表达出来,进而将数据当成一种图数据进行研究。 1.4 图数据深度学习 ...
卷积神经网络CNN是目前应用最广泛的模型之一,具有局部连接、权值共享等特点,是一种深层前馈神经网络。 3.1 卷积与池化 卷积与池化是CNN中的两个核心操作。 3.1.1 信号处理中的卷积 题外话:因为这部分的核心知识应该是属于《信号与系统》这门课程的,但...我没学过,所以学起来应该会痛苦面具吧,摘录原书公式的同时...
《深入浅出图神经网络》GNN原理解析☄学习笔记(一)图的概述 卷积神经网络学习笔记与心得(3)卷积 机器学习(周志华)读书笔记---第5章 神经网络 Ubuntu快速配置指南 训练faster-rcnn python版本的时候报错No module named cython_bbox 反光衣识别 yolov5
多层GCN就是\((1-\tilde\lambda_i)^k\),因为\(1-\tilde \lambda_i \in [-1,1)\),假设图是全连通图,仅存在一个特征值为0,那么也就只有一个\(1-\tilde \lambda_i=1\),所以取极限后对应的\(H\)只有一个值为1,剩下的全为0,即:
《深入浅出图神经网络》第2章的个人读书笔记 第2章 神经网络基础 2.1 机器学习基本概念 2.1.1 机器学习的分类 机器学习有以下几种常见的分类方法: 根据训练数据是否有标签可分为: 监督学习:训练数据中每个样本都有标签,通过标签指导模型进行训练 无监督学习:训练数据完全没有标签,算法从数据中发现约束关系,如数据...
《深入浅出图神经网络》第6章的个人读书笔记 第6章 GCN的性质 第5章最后讲到GCN结束的有些匆忙,作为GNN最经典的模型,其有很多性质需要我们去理解。 6.1 GCN与CNN的区别与联系 CNN卷积卷的是矩阵某个区域内的值,图卷积在空域视角下卷的是节点的邻居的值,由此粗略来看二者都是在聚合邻域的信息。
去噪自编码器:在原始自编码器的输入的基础上加入一些噪声作为编码器的输入,编码器需要重构出不加噪声的原始输入。 稀疏自编码器:以限制神经元的活跃度来限制约束模型的,尽可能使大多数神经元都处于不活跃的状态。 变分自编码器:用于生成新的样本数据,其本质是生成模型,它假设我们得到的样本都是服从某个复杂分布,生...
第2章 神经网络基础2.1 机器学习基本概念2.1.1 机器学习的分类机器学习有以下几种常见的分类方法:根据训练数据是否有标签可分为: 监督学习:训练数据中每个样本都有标签,通过标签指导模型进行训练 无监督学习:训练数据完全没有标签,算法从数据中发现约束关系,如数据之间的关联等,典型的无监督算法有如聚类算法 半监督...
写在前面: 之前为了应付课程Project对GNN的学习就是半路出家,全靠网上的博客。所以现在对于一些GNN底层最基本的东西还不是很清楚,觉得理应学明白一点。之前就对《深入浅出图神经网络》一书有所耳闻,看了网上的一些评论认为这本书的内容还是偏浅偏简单,我认为权当一个引
深入浅出的图神经网络——读书笔记 第二章讲的是神经网络基础,包括机器学习的概念,神经元和多层感知机,激活函数以及神经网络的训练。 2.1 机器学习的基本概念 2.1机器学习的分类:这部分内容介绍了机器学习的分类、机器学习的流程、损失函数以及梯度下降法。