最小公倍数的博客

GCN——初步理解最近在看关于知识图谱融合的最新文献过程中，发现在实现embedding的时候采用最多、效果极佳的方法就是利用维基的词向量作为GCN的输入，从而得到包含语义和空间结构的embedding。所以这两天找了些关于GCN的资料看，并做个简单记录，方便以后复习，若发现错误或不太准确的地方，恳请指正。一、宏观理解GCN是什么？——特征提取器在CNN、RNN如此强大的模型之后，为什么出现GCN？CNN：针对图像（二维数据结构），它的核心在于其kernel，一个滑动窗口，通过卷积来提取特征

转载自：https://blog.youkuaiyun.com/Murray_/article/details/79945148 PCA（Principal Component Analysis）是一种常用的数据分析方法。PCA通过线性变换将原始数据变换为一组各维度线性无关的表示，可用于提取数据的主要特征分量，常用于高维数据的降维。网上关于PCA的文章有很多，但是大多数只描述了PCA的分析过程，而没有...

（1）环境：win7 + anaconda3（2）anaconda安装包（3.5版本）：链接：https://pan.baidu.com/s/1LgJwGPYqdpdlOm09OV2NNA 提取码：3fme  ***特别注意，windows环境只能搭建python3.5 下的tensorflow具体步骤1、下载anaconda安装包,按照网上教程安装；https://b...