- 博客(7)
- 收藏
- 关注
RSS订阅原创 论文阅读《COMPLETER: Incomplete Multi-view Clustering via Contrastive Prediction》
论文标题：COMPLETER: Incomplete Multi-view Clustering via Contrastive Prediction论文作者：Yijie Lin, Yuanbiao Gou, Zitao Liu, Boyun Li, Jiancheng Lv, Xi Peng论文来源： 2021，CVPR论文地址：download论文代码：download本文研究了不完全多视图聚类分析中两个具有挑战性的问题，i）如何在没有标签的帮助下学习不同视图之间的信息性和一致性表示，ii）如何
2022-06-12 17:33:59
715
原创 论文阅读《Do Transformers Really Perform Bad for Graph Representation?》
论文标题：Do Transformers Really Perform Bad for Graph Representation?论文作者：Chengxuan Ying, Tianle Cai, Shengjie Luo,Shuxin Zheng, Guolin Ke, Di He, Yanming Shen, Tie-Yan Liu论文来源： 2021，NeurIPS论文地址：download论文代码：download我们对在图中使用Transformer的关键见解是必须将图的结构信息有效地编码到
2022-06-11 11:12:14
667
原创 论文阅读《Adversarial Multiview Clustering Networks With Adaptive Fusion》
论文标题：Adversarial Multiview Clustering Networks With Adaptive Fusion论文作者：Qianqian Wang，Zhiqiang Tao，Wei Xia，Quanxue Gao，Xiaochun Cao，Licheng Jiao论文来源： 2022，TNNLS论文地址：download论文代码：download挑战：现有的深度多视图聚类（MVC）方法主要基于自动编码器网络，该网络寻找公共潜在变量来分别重建每个视图的原始输入。然而，由于特定于
2022-06-09 21:13:36
610
原创 论文阅读《Deep Graph Infomax（DGI）》
论文标题：Deep Graph Infomax论文作者：Petar Veličković, William Fedus, William L. Hamilton, Pietro Liò, Yoshua Bengio, R Devon Hjelm论文来源：2019，ICLR论文地址：download论文代码：downloadDGI是一种在图结构数据中以无监督方式学习节点表示的通用方法。DGI依赖于最大化patch representations和相应的high-level summaries of g
2022-06-09 16:08:39
1350
原创 论文阅读《Multi-Scale Contrastive Siamese Networks for Self-Supervised Graph Representation Learning》
论文标题：Multi-Scale Contrastive Siamese Networks for Self-Supervised Graph Representation Learning论文作者：Ming Jin,Yizhen Zheng,Yuan-Fang Li,Chen Gong,Chuan Zhou，Shirui Pan论文来源： 2021，IJCAI论文地址：download论文代码：download问题：现有的图表示学习技术严重依赖标记信息。解决：本文提出了一种新的自监督方法，通过多
2022-06-09 10:58:38
958
原创 信息论的一些基础概念
目录一、信息量二、熵（entropy）三、联合熵四、条件熵五、相对熵（KL散度）六、交叉熵(cross entropy)七、JS散度(Jensen-Shannon divergence)八、互信息一、信息量信息是用不确定性的量度定义的。事件出现的概率小，不确定性越多，信息量就大，反之则少。对于信息量与概率成负相关的理解：当信源（产生消息的来源）中某一消息（事件）发生的不确定性越高，一旦它发生，并且被收信者接受，消除的不确定性也就越大，获得的信息也就越多。如果收信者接受到被干扰的消息，对一个消息（
2022-05-31 16:25:38
2183
1
原创 论文阅读《Deep Graph Clustering via Dual Correlation Reduction》
文章目录论文信息一、Introduction二、Dual Correlation Reduction Network（一）符号汇总表（二）.整体框架1.Graph Distortion Module（1）Feature Corruption（属性级失真）（2）Edge Perturbation（边扰动）①基于相似度的边去除②图扩散2.Dual Information Correlation Reduction(DICR)（1）样本级相关性降低（Sample-level Correlation Reducti
2022-05-30 20:05:14
654
空空如也
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人