Yichar的博客

models深层图卷积：DeepGCNs: Can GCNs Go as Deep as CNNs?：自适应多通道图卷积：AM-GCN：Adaptive Multi-channel Graph Convolutional Networks

How to Build a Graph-Based Deep Learning Architecture in Traffic Domain: A Survey 论文简介摘要本文贡献相关工作问题,研究方向和挑战问题研究方向挑战空间依赖性时间依赖性外部因素问题公式化和图形构造本文符号基于时空预测论文简介发表时间:2020发表单位:深圳大学论文链接:https://arxiv.org/pdf/2005.11691摘要近年来，各种深度学习架构被提出来解决交通领域的复杂挑战(如空间依赖、时间依赖)，并取

Attention Based Spatial-Temporal Graph Convolutional Networks for Traffic Flow Forecasting 论文简介论文背景摘要相关研究论文所做的工作符号定义和问题定义ASTGCN实现论文简介发表时间：2019 AAAI发表单位：北京交通大学论文链接：https://aaai.org/ojs/index.php/AAAI/article/download/3881/3759PPT链接：https://github.com/D

Benchmarking Graph Neural Networks论文简要介绍背景介绍摘要论文所做的工作基准数据集选取的模型实验部分实验1：图分类数据集论文简要介绍作者：Vijay Prakash Dwivedi ，Yoshua Bengio 等论文链接：https://arxiv.org/abs/2003.00982发表时间：2020背景介绍主要是说GNNs 这几年在各个领域取得了巨大成功，列举了很多人的工作，提出了各种各样的模型，然后提了出了本文的核心问题：如何客观准确地评价不同的GN