神经网络
关注
分享
扫一扫
文章平均质量分 94
无水先生
擅长数学，能熟练应用泛函分析、统计学、随机过程、逼近论、微分几何、非欧几何（双曲、共形）等数学理论，有数学建模能力。从事图像处理二十年以上，从事人工智能行业10年以上；在船舶、通信、铁路、教育等行业开发软件产品。
展开
-
图神经网络：欺诈检测和蛋白质功能预测
图是金融网络和蛋白质结构中表示关系数据的自然方式。它们捕捉实体之间的关系和相互作用，例如金融系统中账户或债券之间的交易以及蛋白质中氨基酸之间的空间接近性。然而，RNN/CNN 和 Transformers 等更广为人知的深度学习架构无法有效地对图进行建模。原创 2024-11-30 11:51:38 · 1096 阅读 · 0 评论 -
MolGAN网络架构：用于小分子图的隐式生成模型
图结构数据的深度生成模型为化学合成问题提供了一个新的角度：通过优化直接生成分子图的可微分模型，可以在离散且广阔的化学结构空间中避开昂贵的搜索过程。原创 2024-08-03 14:01:03 · 2590 阅读 · 0 评论 -
创新概念：柯尔莫哥洛夫-阿诺德网络
kolmogorov-Arnold 网络 (KAN) 是深度学习领域的一项“创新”，它提供了一种受现有 Kolmogorov-Arnold 表示定理启发的构建神经网络的新方法。它们被认为是广泛使用的多层感知器 (MLP) 的潜在替代品，而 MLP 为许多深度学习应用提供了支持。原创 2024-07-27 14:50:08 · 2148 阅读 · 0 评论 -
Kolmogorov–Arnold Networks （KAN） 即将改变 AI 世界
在人工智能中，多层感知器（MLP）是基石，其神经架构塑造了无数应用的格局。然而，Kolmogorov-Arnold Networks（KAN）试图通过重新构想神经元在神经网络中工作的本质来突破这一基础。原创 2024-06-06 01:20:19 · 3182 阅读 · 0 评论 -
LinkSage：基于 GNN 的 Pinterest理解
Pinterest 是一个视觉灵感平台，Pinner 可以在这里搜索、保存和购买世界上所有生活时刻的最佳创意。大多数 Pin 图都链接到站外内容，为 Pinner 提供灵感和可操作性。了解站外内容（图像、文本、结构）至关重要，因为了解其语义是评估站外内容的安全性（例如社区指南）、功能、相关性和可操作性（例如广告和购物）的重要因素。原创 2024-04-15 00:09:07 · 2704 阅读 · 0 评论 -
【AI基本模型】图卷积网络GCN简化原理
图卷积网络 （GCN） 于 2017 年推出，已成为分析和解释结构为图的数据的强大工具。对于非线性的关系，如拓扑形结构，CNN将出现规模上的爆炸，因此，这里涌现出了很多方法，例如GNN、DeepWalk、node2vec等等，GCN只是其中一种，这里只讲GCN，其他的后面有空再讨论。原创 2024-04-12 13:11:39 · 3133 阅读 · 1 评论