SSNP: Stochastic subgraph neighborhood pooling for subgraph classification

Approach

介绍随机邻域池化及其各个组成部分,例图转换层,子图邻域池化,子图邻域采样。

Preliminaries

图G,以及其中子图S

Problem Statement

目标是学习一个映射函数f(G,X, S),它以基图G,其节点特征矩阵X和子图S作为输入,并输出子图类标号y∈{1,…, C},其中C为类的数量。

Stochastic Subgraph Neighborhood Pooling

我们提出的子图分类解决方案如图4.1所示。通过使用转换函数fTf_TfT,将初始节点特征X转换为学习嵌入Z:在这里插入图片描述

评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值