图神经网络
关注
分享
扫一扫
文章平均质量分 59
小菜0-o
卷心菜,又卷又菜
展开
-
使用R-GCN处理异质图ACM的demo
使用R-GCN处理异质图ACM的demo原创 2024-10-16 16:08:04 · 451 阅读 · 0 评论 -
COO格式数据
COO格式数据原创 2024-07-31 16:00:41 · 268 阅读 · 0 评论 -
JumpingKnowledge
Jumping Knowledge 机制通过合并不同层的节点表示，解决了图神经网络中的一些关键问题，提高了模型的表达能力和性能。其多种合并模式提供了灵活性原创 2024-07-31 15:02:35 · 418 阅读 · 0 评论 -
龙良曲PyTorch入门到实战 深度学习
龙曲良pytorch深度学习原创 2023-12-07 19:47:37 · 1684 阅读 · 0 评论 -
TSNE降维学习
在学习使用Cora数据集时，输入的初始为[2708, 1433], 输入一共有2708个点，每个节点有1433个特征。测试集的大小为[1000, 1433]最后的输出为[1000, 7]，表示每个点的类别。我们要的就是查看这个[1000, 7]的预测结果。想要将他展示在一个平面上是比较困难的，因为平面是2维的。所以需要用TSNE来将[1000, 7]降维至[1000, 2]。原创 2023-10-08 21:24:59 · 329 阅读 · 0 评论 -
PYG实现GCN、GraphSAGE、GAT
【代码】PYG实现GCN、GraphSAGE、GAT。原创 2023-10-08 21:03:11 · 414 阅读 · 0 评论 -
GCN详解
表示度矩阵，体现每个节点都度。(线性回归，直线方程) y尖。A是邻接矩阵，I是E是单位阵。，即归一化后的拉普拉斯矩阵。表示l层的节点的特征。原创 2023-10-06 14:39:45 · 557 阅读 · 0 评论 -
GAT学习
上式中：Source是需要系统处理的信息源Query代表某种条件或者先验信息Attention Value是给定Query信息的条件下，通过注意力机制从Source中提取得到的信息。similarity（Query，Keyi）表示Query向量和Key向量的相关度，最直接的方法是可以取两向量的内积。内积越大，相似度越高。原创 2023-09-28 17:05:01 · 835 阅读 · 0 评论 -
GraphSAGE
K：遍历的深度v ∈V 表示遍历所有的节点u∈N(v)表示v的neighbor。将v所有的邻居u的向量表示h做一个聚合，得到第k层聚合的邻居的特征向量：h。然后将得到的第k层的邻居的特征的向量h与当前节点v的第k-1层的特征向量拼接在一起，乘一个权重，乘激活函数，得到当前节点v在第k层的特征向量表示。第7行表示对节点的特征向量做一个归一化处理。原创 2023-09-27 09:31:12 · 308 阅读 · 0 评论