【图神经网络】图神经网络中的子图

最新推荐文章于 2024-06-26 08:26:28 发布
原创 最新推荐文章于 2024-06-26 08:26:28 发布 · 1.5k 阅读 · 2 ·
CC 4.0 BY-SA版权
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
文章标签：

#图机器学习

博客提及ICLR’22相关内容，介绍了将局部子图融入消息传递以提升GNN模型的方法，聚焦于图机器学习领域的技术提升。
图神经网络实战（21）——图神经网络的可解释性
盼小辉丶的博客
12-02 5721
在本节中，我们探讨了应用于图神经网络 (Graph Neural Networks, GNN) 的可解释性人工智能 (Explainable Artificial Intelligence, XAI) 技术。可解释性是许多领域的关键要素，可以帮助我们建立更好的模型。我们介绍了不同的局部解释技术，并重点讨论了 GNNExplainer (基于扰动的方法)，在图分类任务中应用 GNNExplainer。
图神经网络实战（23）——使用异构图神经网络执行异常检测
盼小辉丶的博客
01-13 4652
在本节中，我们探讨了如何使用图神经网络 (Graph Neural Networks, GNN) 检测 CIDDS-001 数据集中的异常流量。首先，对数据集进行预处理，并将其转换为图表示法，从而捕捉到网络不同组成部分之间的复杂关系。然后，利用 GraphSAGE 运算符实现异构 GNN。捕捉图的异构性，使我们能够将流量分为良性和恶意两种。GNN 在网络安全中已经得到了广泛应用，并为研究开辟了新的途径。随着技术的不断进步和网络数据量的增加，GNN 将成为检测和预防安全漏洞的重要工具。
图神经网络
a_b_c_007的博客
04-07 6726
许多学习任务都需要处理包含元素间丰富关系信息的图形数据。物理系统建模、分子指纹学习、蛋白质界面预测和疾病分类需要一个模型从图形输入中学习。在其他领域，如从文本和图像等非结构数据学习，对提取的结构（如句子的依赖树和图像的场景图）进行推理是一个重要的研究课题，也需要图形推理模型。图神经网络（GNN）是通过图节点之间的消息传递来捕获图的依赖性的神经模型。近年来，图形卷积网络（GCN）、图形注意网络（GAT）、图形递归网络（GRN）等GNN变体在许多深度学习任务中表现出开创性的性能。
cs224w:快速神经网络子图匹配和计数(fast neural subgraph matching and counting)
2301_79012932的博客
08-22 621
子图和模体是重要的概念，可以为节点/图提供结构洞察。它们的频率可以用作节点/图的特征。 我们介绍了用于预测子图同构关系的神经方法。 次序嵌入具有理想的特性，可以用来编码子图关系。 基于次序嵌入空间的神经嵌入引导搜索可以使机器学习模型识别比现有方法更频繁的模体。
SubGNN:子图神经网络（NeurIPS 2020）
05-07
子神经网络 NeurIPS 2020论文存储库： 作者： ， ，， 要使用SubGNN，请执行以下操作： 安装环境 准备数据 在config.py修改PROJECT_ROOT 修改适当的config.json文件 训练和评估SubGNN 安装环境 我们提供了一个yml文件，其中包含SubGNN的必要软件包。 一旦安装了 ，就可以创建如下环境： conda env create --file SubGNN.yml 准备数据 通过（1）下载我们提供的数据集或按照prepare_dataset文件夹README中的步骤来为SubGNN准备数据，（2）生成合成数据集或（3）格式化您自己的数据。 真实数据集：我们将发布四个新的真实数据集：HPO-NEURO，HPO-METAB，PPI-BP和EM-USER。 您可以 从Dropbox下载这些文件。 您应该解压缩文件夹并将config.py的P
图神经网络-图的基本概念
weixin_44390521的博客
03-03 733
1 图的类型 有向图 无向图 非加权图 加权图 连通图 非连通图 二部图 同构图 异构图 属性图 非显式图 邻居 度 子图 路径 邻节矩阵 关联矩阵 图的遍历： 深度优先搜索 广度优先搜索 ...
图神经网络库：dgl，分割子图问题
qq_36255655的博客
09-10 1614
将一个图划分为多个子图，使用dgl.node_subgraph() 分割的子图会多出 edges_schemes:{“_ID” …} 举例： import dgl import torch src=[0,1,2,3,4,5] dst=[1,2,3,0,5,4] feats=torch.tensor([[0,0,0],[1,1,1],[2,2,2],[3,3,3],[4,4,4],[5,5,5]]) g=dgl.graph((torch.tensor(src),torch.tensor(dst))) g.
图神经网络实战（15）——SEAL链接预测算法
盼小辉丶的博客
06-26 6193
链接预测是指利用图数据中已知的节点和边的信息，来推断图中未知的连接关系或者未来可能出现的连接关系，在机器学习和数据挖掘等领域具有广泛的应用。本节中介绍了用于链接预测的 SEAL 框架，其侧重于子图表示，每个链接周围的邻域作为预测链接概率的输入。并使用边级随机分割和负采样在 Cora 数据集上实现了`SEAL 模型执行链接预测任务。
《图神经网络的基础理论与前沿研究资料》
08-14
前沿研究则不断推动着图神经网络的发展，例如，生成对抗网络（GAN）和变分自编码器（VAE）等生成模型被引入到图神经网络中，形成了图生成网络（Graph Generation Networks），用于生成新的图结构数据。强化学习与图...
【图神经网络】基于CSR++与可微分拓扑的数据结构创新：动态子图池化与GPU协同优化设计
最新发布
10-05
【图神经网络】基于CSR++与可微分拓扑的数据结构创新：动态子图池化与GPU协同优化设计
[图论]---[网络流]---最大权闭合子图
Berserker____的博客
08-19 884
最大权闭合子图 闭合图的概念 闭合图建立在有向图之上，对于 G = (V, E) 选取一个点的子集 V ’ ，V ’ 的任意一点的所有能到达的点也在集合 V ’ 内，则称 V ’ 为闭合子图。 最大权闭合子图即在G的所有闭合子图中，点权和最大的。 最大权闭合子图的求法 构建流量网络，将源点S与所有权值为正的点连一条边，容量为其权值；将权值为负的点向汇点 T 连一条容量为其点权绝对值的边。 原图中的边保留，容量设为INF。 上图所构建出的网络流图如下： 结论 结论：最小割所产生的两个集合中，源点S所在集合
直播 | WWW 2021论文解读：强化学习与互信息驱动的子图神经网络
Paper weekly
05-24 1673
「AI Drive」是由 PaperWeekly 和 biendata 共同发起的学术直播间，旨在帮助更多的青年学者宣传其最新科研成果。我们一直认为，单向地输出知识并不是一个最好的方式，而...
什么是子图
weixin_43737594的博客
09-03 3639
子图就是呈现多个图 比如 折线图 柱状图 饼图 等等 每一种图可能表示的内容类型都不同可以用子图同时呈现出来 这就是子图的作用
图算法（二十五）：子图匹配（Subgraph Matching）【基本的图查询操作，意在发掘图重要的子结构】【适用场景：社交网络分析、群体发现、异常检测】【在一个给定的大图里找到与给定小图同构的子图】
u013250861的博客
05-28 5443
一、概述 子图匹配（subgraph matching）算法的目的是在一个给定的大图里面找到与一个给定小图同构的子图，这是一种基本的图查询操作，意在发掘图重要的子结构。 适用场景：子图匹配（subgraph matching）算法适用于社交网络分析、生物信息学、交通运输、群体发现、异常检测等领域。 二、 三、 参考资料： 子图匹配（Subgraph Matching） ...
​ICLR 2023 高分论文 | 基于子图草图的图神经网络用于链路预测
Paper weekly
08-28 2192
本文介绍了一项关于链路预测方向的研究，该论文在 openreview 上分别得到了 10, 8, 8, 8 的评分。作者研究了基于子图的用于链路预测（LP, Link Prediction） 方法，提出了一个新奇、高效的全图 GNN 模型。论文标题：Graph Neural Networks for Link Prediction with Subgraph Sketching论文链接：https...
图神经网络基础 Graph 图以及python实现
刘文凯的博客
02-22 3046
本文将介绍图的基本知识、无向图、有向图、邻接矩阵 python实现：度、连通分量、强连通图、弱连通图、图直径、度中心性、特征向量中心性、中介中心性、连接中心性等基本概念。
图神经网络的可解释性方法介绍和GNNExplainer解释预测的代码示例（附代码）
数据派THU
07-28 2440
来源：DeepHub IMBA 本文约3800字，建议阅读7分钟本文使用pytorch-geometric实现的GNNExplainer作为示例。深度学习模型的可解释性为其预测提供了人类可以理解的推理。如果不解释预测背后的原因，深度学习算法就像黑匣子，对于一些场景说是无法被信任的。不提供预测的原因也会阻止深度学习算法在涉及跨域公平、隐私和安全的关键应用程序中使用。深度学习...
TPAMI 2022 | 利用子图同构计数提升图神经网络的表达能力
Paper weekly
10-28 1469
©作者 |桑士龙来源 | MIND Laboratory论文标题：Improving Graph Neural Network Expressivity via Subgraph Isomorphism Counting论文地址：https://arxiv.org/pdf/2006.09252.pdf论文介绍尽管图神经网络（GNNs）在很多的应用中都取得了很大的成绩，但是最近研究发现 GNNs ...
图神经网络代码_图神经网络：The Graph Neural Network Model
weixin_39860757的博客
11-23 2730
图神经网络（GNN）最近很火，很多自然语言的论文都用上了GNN网络。正好凑空学习一下关于GNN网络的知识。对于不熟悉GNN的朋友，可以先看[1]，沿着图神经网络的历史脉络，介绍了经典的图神经网络模型。这篇文章的主要目的是结合python代码来讲解Graph Neural Network Model如何实现，代码主要参考[2]。1、论文内容简介图神经网络最早的概念应该起源于以下两篇论文。Graphi...
图神经网络代码实现详解与案例应用
图神经网络（Graph Neural Networks, GNNs）是一种用于处理图结构数据的强大工具，它能够学习到图中节点的表示，从而进行各种预测任务，例如节点分类、链接预测、图分类等。构建图神经网络代码涉及到多个关键步骤和...
评论
成就一亿技术人!
拼手气红包6.0元
还能输入1000个字符
 
红包 添加红包
表情包 插入表情
表情包 代码片
 条评论被折叠 查看
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值