Graph 聚合

原创

已于 2023-03-26 16:58:11 修改 · 504 阅读

2 ·

CC 4.0 BY-SA版权

文章标签：

#深度学习 #人工智能 #pytorch

于 2023-02-18 16:52:48 首次发布

文章探讨了EEG脑电信号的情感识别，通过分析多个相关论文，涉及图神经网络（GNN）在处理EEG数据中的应用。文中提到了不同类型的GNN模型，如GCN、GAT和Transformer，并强调了聚合函数在模型性能中的关键作用。PyG库被提及用于实现各种聚合操作，包括平均、最大、可学习的聚合等，以及在miniBatch和图级表示中的应用。

下面所有博客是个人对EEG脑电的探索，项目代码是早期版本不完整，需要完整项目代码和资料请私聊。

数据集
1、脑电项目探索和实现(EEG) (上)：研究数据集选取和介绍SEED
相关论文阅读分析：
1、EEG-SEED数据集作者的—基线论文阅读和分析
2、图神经网络EEG论文阅读和分析：《EEG-Based Emotion Recognition Using Regularized Graph Neural Networks》
3、EEG-GNN论文阅读和分析：《EEG Emotion Recognition Using Dynamical Graph Convolutional Neural Networks》
4、论文阅读和分析:Masked Label Prediction: Unified Message Passing Model for Semi-Supervised Classification
5、论文阅读和分析：《DeepGCNs: Can GCNs Go as Deep as CNNs?》
6、论文阅读和分析： “How Attentive are Graph Attention Networks?”
7、论文阅读和分析：Simplifying Graph Convolutional Networks

8、论文阅读和分析：LightGCN: Simplifying and Powering Graph Convolution Network for Recommendation

相关实验和代码实现：
1、用于图神经网络的脑电数据处理实现_图神经网络脑电
2、使用GCN训练和测试EEG的公开SEED数据集
3、使用GAT训练和测试EEG公开的SEED数据集
4、使用SGC训练和测试SEED数据集
5、使用Transformer训练和测试EEG的公开SEED数据集_eeg transformer
6、使用RGNN训练和测试EEG公开的SEED数据集
辅助学习资料：
1、官网三个简单Graph示例说明三种层次的应用_graph 简单示例
2、PPI数据集示例项目学习图神经网络
3、geometric库的数据处理详解
4、NetworkX的dicts of dicts以及解决Seven Bridges of Königsberg问题
5、geometric源码阅读和分析：MessagePassin类详解和使用
6、cora数据集示例项目学习图神经网络
7、Graph 聚合
8、QM9数据集示例项目学习图神经网络
9、处理图的开源库

在图神经网络的消息传递框架和读出功能中，聚合函数起着重要的作用。具体而言，文献中(Hamilton et al. (2017)， Xu et al. (2018)， Corso et al. (2020)， Li et al. (2020)， Tailor et al.(2021))表明，聚集函数的选择对模型的表征能力和性能有显著影响。例如，平均聚合捕获元素的分布(或比例)，最大聚合被证明有利于识别代表性元素，和聚合