没有合适的资源？快使用搜索试试~
我知道了~
文库首页
人工智能
深度学习
2021 GNN综述文章 A review of methods and applications
2021 GNN综述文章 A review of methods and applications
需积分: 5
2 下载量
129 浏览量
2021-09-27
09:31:11
上传
评论
收藏
1.92MB
PDF
举报
温馨提示
立即下载
Graph neural networks: A review of methods and applications
资源推荐
资源评论
Graph Neural Networks_ A Review of Methods and Applications----清华大学周杰.pdf
浏览：42
谢谢原作者的
【GNN综述_2020_6】Graph neural networks: A review of methods and ...
浏览：61
图神经网络 (GNN) 是神经模型，它通过图节点之间的消息传递来捕获图的依赖性。近年来，图卷积网络 (GCN)、图注意力网络 (GAT)、图循环网络 (GRN) 等 GNN 的变体在许多深度学习任务上都表现出了突破性的表现。在本次...
20190208-Jack-GNN_Review.pdf
浏览：3
清华大学总结的GNN方法及应用PPT学习资料，Graph Neural Networks: A Review of Methods and Applications
【GNN综述_2020_9】Graph Neural Networks: Methods, Applications...
浏览：131
Graph Neural Networks: Methods, Applications, and Opportunities 在过去十年左右的时间里，我们见证了深度学习重振机器学习领域。它以最先进的性能解决了计算机视觉、语音识别、自然语言处理和各种其他任务领域的...
【GNN综述_2021_5】A Survey on Heterogeneous Graph Embedding:Methods.
浏览：12
A Survey on Heterogeneous Graph Embedding: Methods, Techniques, Applications and Sources 异构图 (HG) 也称为异构信息网络，在现实世界中无处不在；因此，HG 嵌入旨在在低维空间中学习表示，同时保留下游任务...
2019-A Comprehensive Survey on Graph Neural Network图神经网络GNN综述.pdf.zip
浏览：179
2019-A Comprehensive Survey on Graph Neural Network 图神经网络GNN综述
【GNN综述_2020_4】Foundations and modelling of dynamic networks ...
浏览：26
Foundations and modelling of dynamic networks using Dynamic Graph Neural Networks: A survey 动态网络用于广泛的领域，包括社交网络分析、推荐系统和流行病学。将复杂网络表示为随时间变化的结构，网络模型不仅...
【GNN综述_2020_3】Bridging the Gap between Spatial and Spectral ...
浏览：107
Bridging the Gap between Spatial and Spectral Domains:A Survey on Graph Neural Networks 深度学习的成功在各种机器学习任务中得到了广泛认可，包括图像分类、音频识别和自然语言处理。作为深度学习在这些领域...
【GNN综述_2021_10】Automated Machine Learning on Graphs: A Survey
浏览：126
图的机器学习在学术界和工业界都得到了广泛的研究。然而，随着大量新兴方法和技术的出现，关于图形学习的文献蓬勃发展，为不同的图形相关任务手动设计...本文是我们所知的第一篇关于图自动机器学习的系统和全面的综述。
【GNN综述_2021_11】Graph Self-Supervised Learning: A Survey
浏览：84
图上的深度学习最近引起了人们的极大兴趣。然而，大多数工作都集中在（半）监督学习上，导致存在标签依赖重、泛化能力差和鲁棒性弱等缺点。为了解决这些问题，自监督学习 (SSL) 通过精心设计的借口任务提取信息知识...
来自IEEE Fellow、Senior Member 和 Member Zonghan Wu等的GNN综述 - 1901.00596v1.pdf.zip
浏览：133
图神经网络概述第三弹：来自IEEE Fellow、Senior Member 和 Member Zonghan Wu等的GNN综述。
【GNN综述_2020_8】Heterogeneous Network Representation Learning: ...
浏览：121
Heterogeneous Network Representation Learning: A Unified Framework with Survey and Benchmark 由于现实世界中的对象及其交互通常是多模态和多类型的，因此异构网络被广泛用作传统同构网络（图）的更强大、更...
【GNN综述_2020_2】Benchmarking Graph Neural Networks
浏览：174
图神经网络 (GNN) 已成为分析和学习图数据的标准工具包。随着该领域的发展，识别关键架构并验证可推广到更大、更复杂的数据集的新想法变得至关重要。不幸的是，在缺乏具有一致实验设置的标准化基准的情况下，越来越...
【GNN综述_2019_1】A Comprehensive Survey on Graph Neural Networks
浏览：177
在本次调查中，我们全面概述了数据挖掘和机器学习领域的图神经网络 (GNN)。我们提出了一种新的分类法，将最先进的图神经网络分为四类，即循环图神经网络、卷积图神经网络、图自动编码器和时空图神经网络。我们进一步...
图神经网络（Graph Neural Network，GNN）综述.zip
浏览：113
本文主要针对图神经网络（GNN），介绍一些最近几年该领域的一些研究进展。
【GNN综述_2020_7】Heterogeneous Network Representation Learning
浏览：164
表征学习为各种人工智能领域提供了一种革命性的学习范式。在本次调查中，我们研究和回顾了表征学习的问题，重点是由不同类型的顶点和关系组成的异构网络。这个问题的目标是自动将输入异构网络中的对象（最常见的是...
近期必读的六篇 IJCAI 2020【图神经网络 (GNN)+数据挖掘（DM） 】相关论文.zip
浏览：73
我们发现在今年的IJCAI 2020会议上图神经网络相关的论文非常多，今天小编专门整理最新6篇图神经网络（GNN）应用在数据挖掘上的相关论文——多通道GNN、自适应时空图卷积、会话流GNN、双重注意力GNN、域自适应HIN、...
一份实用《图神经网络GNN》笔记
浏览：134
5星 · 资源好评率100%
GNN综述阅读报告，报告涵盖有多篇GNN方面的论文，以及一个按照论文《The Graph Neural Network Model 》使用pytorch编写的模型例子，该模型在人工数据上进行运行和验证。
图网络相关论文和代码（gnn gcn graphsage gat gas dgcn sim-gnn）
浏览：82
图网络相关论文和代码（gnn gcn graphsage gat gas dgcn sim-gnn）
TWRData_analyze.rar_GNN MATLAB_GNN关联_gnn_跟踪滤波_跟踪算法
浏览：34
5星 · 资源好评率100%
适用于MATLAB的跟踪算法，使用的是GNN关联和Kalman滤波算法
YOLOv8-deepsort 实现智能车辆目标检测+车辆跟踪+车辆计数
浏览：37
4星 · 用户满意度95%
本资源纯属免费，不收任何钱和任何积分，纯粹为爱发电，本资源已经为大家整合好了的，看我的博客部署好直接用：https://blog.csdn.net/Little_Carter/article/details/133610076?spm=1001.2014.3001.5501 资源原本项目源码地址：https://github.com/MuhammadMoinFaisal/YOLOv8-DeepSO
YOLOv8网络结构图，自制visio文件，yolov8.vsds，需要的自取，在原有的基础上直接改就行了
浏览：182
5星 · 资源好评率100%
YOLOv8网络结构图，自制visio文件，yolov8.vsds，需要的自取，在原有的基础上直接改就行了
yolov8(2023年8月版本),已经下好yolov8s.pt和yolov8n.pt
浏览：178
5星 · 资源好评率100%
yolov8(2023年8月版本),已经下好yolov8s.pt和yolov8n.pt，需要创建的文件夹都以创建，方便大家不用再去GitHub下载 可以搭配该博客：https://blog.csdn.net/weixin_43366149/article/details/132206526?spm=1001.2014.3001.5501
Transformer模型实现长期预测并可视化结果（附代码+数据集+原理介绍）
浏览：35
5星 · 资源好评率100%
这篇文章给大家带来是Transformer在时间序列预测上的应用，这种模型最初是为了处理自然语言处理（NLP）任务而设计的，但由于其独特的架构和能力，它也被用于时间序列分析。Transformer应用于时间序列分析中的基本思想是：Transformer 在时间序列分析中的应用核心在于其自注意力机制，这使其能够有效捕捉时间序列数据中的长期依赖关系。通过并行处理能力和位置编码，Transformer
社交平台上经济类话题的文章热度信息，数据是真实的，但不是真实日期
浏览：99
使用LSTM模型进行时序预测的代码与说明见：https://blog.csdn.net/Q_M_X_D_D_/article/details/109366895
行人跌倒数据集（VOC格式）
浏览：127
5星 · 资源好评率100%
行人跌倒数据集（VOC格式）
Unet眼底血管图像分割数据集+代码+模型+系统界面+教学视频.zip
浏览：73
5星 · 资源好评率100%
本资源配套对应的视频教程和图文教程，手把手教你使用Unet做眼底图像分割的训练、测试和界面封装，包含了Unet原理的解析、处理好的训练集和测试集、训练和测试的代码以及训练好的模型，并封装为了图形化界面，只需点击上传按钮上传图像即可完成眼底图像的预测。 随着生活水平的提高，眼科疾病以及心脑血管疾病的发病率呈现逐年增长的趋势。视网膜血管是这类疾病诊断和监测的重要信息来源，其形态和状况的变化可以反映出许
全新的SOTA模型YOLOv9
浏览：52
当今的深度学习方法专注于如何设计最合适的目标函数，以使模型的预测结果尽可能接近真实值。同时，还需要设计一个合适的架构，以便获取足够的信息进行预测。现有方法忽略了一个事实：当输入数据经过逐层的特征提取和空间变换时，会丢失大量信息。本文将深入探讨数据在深度网络中传输时数据丢失的重要问题，即信息瓶颈和可逆函数问题。我们提出了可编程梯度信息（PGI）的概念，以应对深度网络实现多个目标所需的各种变化。PGI
YOLOV5 + 双目相机实现三维测距（新版本）
浏览：46
YOLOV5 + 双目相机实现三维测距（新版本）
评论
收藏
内容反馈
立即下载
资源评论
资源反馈
评论星级较低，若资源使用遇到问题可联系上传者，3个工作日内问题未解决可申请退款~
联系上传者
评论
layyuiop
粉丝: 11
资源:
12
私信
上传资源 快速赚钱
我的内容管理
展开
我的资源
快来上传第一个资源
我的收益
登录查看自己的收益
我的积分
登录查看自己的积分
我的C币
登录后查看C币余额
我的收藏
我的下载
下载帮助
前往需求广场，查看用户热搜
最新资源
视觉毫米波简单后融合方法.pdf
自动驾驶定位系列教程十二:关于建图的讨论.pdf
msvcp140.dll丢失的解决方法
docker制作alpine-jdk-maven镜像
YOLOv5算法站立-跌倒-吸烟行为检测模型+数据集
滚动garch模型Rolling GARCH
自动驾驶定位系列教程十: 前端里程计扩展.pdf
毕设绝技-兼职论坛(ssm)
271ssm-mysql-jsp 动漫之家系统.zip（可运行源码+数据库文件+文档）
毕设绝技-就业信息管理（spring boot+layui）
资源上传下载、课程学习等过程中有任何疑问或建议，欢迎提出宝贵意见哦~我们会及时处理！
点击此处反馈
安全验证
文档复制为VIP权益，开通VIP直接复制
信息提交成功
