注册会员 | 设为首页 | 加入收藏夹
您好，欢迎光临本网站！[请登录] ！[注册会员]！  

搜索资源列表

  1. citeseer数据集

  2. 这是实验平台上有用的数据集，，它描述了世界顶级会议论文之间的引用

  3. 所属分类：其它

    • 发布日期：2011-07-18
    • 文件大小：358400
    • 提供者：geda123551

  1. citeseer数据

  2. CiteSeer 上的数据集，一般用来做数据挖掘

  3. 所属分类：其它

    • 发布日期：2011-09-29
    • 文件大小：40894464
    • 提供者：winglsy

  1. POPL 2013-Annual Symposium on Principles of Programming Languages 2013

  2. （我现在主要在CSDN上整理计算机安全、软件工程（可信软件）、系统及通信方面的论文及相关理论书籍，如果对这方面内容感兴趣，可以访问：http://download.csdn.net/user/qysh123 查看我上传的所有资料。内容比较多，需要大家人工手动查找。另外，资料顺序并不按照时间排列，只是想起来了就上传。请大家见谅。） 国际软件工程和编程语言界的顶级会议，POPL 2013年的会议论文集。POPL通常被认为是软件方面最顶级的国际会议之一，对程序语言、软件工程、可信软件等方面的研究者具

  3. 所属分类：其它

    • 发布日期：2013-03-26
    • 文件大小：30408704
    • 提供者：qysh123

  1. drost2010CVPR中文翻译版.pdf

  2. Model Globally, Match Locally: Efficient and Robust 3D Object Recognition 中文翻译 ；原网页为：http://campar.in.tum.de/pub/drost2010CVPR/drost2010CVPR.pdfHash table I1. n A (m1,m2) F i.11 m;, (Key to (ms, m6) F1=m2 hash table 图2.(a)两个定向点的点对特征F.分量F1被设置为点F2和F3与法

  3. 所属分类：机器学习

    • 发布日期：2019-07-16
    • 文件大小：1048576
    • 提供者：qq_28250697

  1. 向人类学习如何抓取：数据驱动的架构 拟人软手自主抓握

  2. 软手是将顺应性元素嵌入其机械设计中的机器人系统。这样可以有效地适应物品和环境，并最终提高其抓握性能。如果与经典的刚性手相比，这些手在人性化操作方面具有明显的优势，即易于使用和坚固耐用。但是，由于缺乏合适的控制策略，它们在自主控制方面的潜力仍未得到开发。为了解决这个问题，在这项工作中，我们提出了一种方法，可以从观察人类策略开始，使软手能够自主地抓握物体。通过深度神经网络实现的分类器将要抓取的物体的视觉信息作为输入，并预测人类将执行哪些操作来实现目标。因此，此信息用于从一组人类启发的原语中选择一个，

  3. 所属分类：深度学习

    • 发布日期：2019-10-20
    • 文件大小：560128
    • 提供者：qq_16481211

  1. 06_Unify:213-源码

  2. UGS 1.相关回购 2.实验 2.1 Cora，Citeseer，PubMed上的节点分类 cd NodeClassification 2.2对Cora，Citeseer，PubMed的链接预测 cd LinkPrediction 2.3在OGB数据集上进行的实验 cd OGBN_arxiv/unify/ogb/ogbn_arxiv cd OGBN_proteins/unify/ogb/ogbn_proteins cd OGBL_Collab/unify/ogb/ogbl_collab

  3. 所属分类：其它

    • 发布日期：2021-03-22
    • 文件大小：42991616
    • 提供者：weixin_42099755

  1. PGCN:PGCN方法的PyTorch实现-源码

  2. PGCN 渐进图卷积网络的PyTorch实现，用于半监督节点分类方法[1]。 这项工作是GCN方法[2]的扩展，并找到了GCN的优化网络架构。 预处理的Citeseer，Cora和Pubmed数据集可以在./pgcn/data目录中找到。 安装 python setup.py install 要求 PyTorch 0.4或0.5 Python 2.7或3.6 运行代码 git clone https://github.com/negarhdr/PGCN python setup.py

  3. 所属分类：其它

    • 发布日期：2021-03-08
    • 文件大小：6291456
    • 提供者：weixin_42107165

  1. subgraphs_learning-源码

  2. subgraphs_learning 给定一个非常大的图，其中包含少量标记的顶点，我们希望能够仅在大小受限的子图上进行预训练，从而标记给定的一个或多个节点。 要运行代码，请运行文件subgraphs_GCN_reg.py。 该文件可以运行以下命令： 小型数据集（Cora，CiteSeer，Pubmed，CS）。 来自GraphSaint git的大型数据集。 为了运行大型数据集，请在主Graph_Saint选项中将其更改为True。 否则，您将运行小型数据集，您可以在其中选择以下输入之

  3. 所属分类：其它

    • 发布日期：2021-02-28
    • 文件大小：26624
    • 提供者：weixin_42139302

  1. gcn：在TensorFlow中实现图卷积网络-源码

  2. 图卷积网络 这是图卷积网络的TensorFlow实现，用于图中节点的（半监督）分类任务，如我们的论文所述： Thomas N.Kipf，Max Welling，（ICLR 2017） 有关高级解释，请查看我们的博客文章： 托马斯·基普夫（Thomas Kipf），（2016） 安装 python setup.py install 要求 张量流（> 0.12） 网络 运行演示 cd gcn python train.py 数据 为了使用您自己的数据，您必须提供 N×N邻接矩阵（N是节

  3. 所属分类：其它

    • 发布日期：2021-02-28
    • 文件大小：5242880
    • 提供者：weixin_42139871

  1. ANRL：ANRL：通过深度神经网络进行属性网络表示学习（IJCAI-2018）-源码

  2. 安尔 ANRL：通过深度神经网络进行的属性网络表示学习（IJCAI-18） 这是ANRL算法的Tensorflow实现，可为网络中的每个节点学习低维表示。 具体来说，ANRL由两个模块组成，即邻居增强自动编码器和属性感知跳过语法模型，以共同捕获节点属性接近度和网络拓扑接近度。 要求 python2.7或python3.6 张量流 网络 麻木 科学的 scikit学习 所有必需的软件包都在requirements.txt中定义。 要安装所有要求，只需使用以下命令： pip install -

  3. 所属分类：其它

    • 发布日期：2021-02-15
    • 文件大小：5242880
    • 提供者：weixin_42133753

  1. iSpine：感应式自我监督节点嵌入-源码

  2. iSpine框架 基于GNN的图嵌入的框架 参数 输入：输入图数据集。 选项：['cora'，'citeseer'，'pubmed'，'wiki']。 必需的 实施算法 GCN VGAE 丹妮 GAT DGI AGC 年龄 图卷积网络（GCN） GCN 引入了图卷积作为网络层。 通过堆叠许多层，可以发现更深的节点依赖性。 用法 参数 type：邻接矩阵的类型。 “ gcn”或“ cheby”。 默认值：“ gcn” 纪元：纪元数。 默认值：200 维：每个节点要学习的潜在维数

  3. 所属分类：其它

    • 发布日期：2021-02-13
    • 文件大小：13631488
    • 提供者：weixin_42101384

  1. GraphWaveletNeuralNetwork：“ Graph Wavelet神经网络”的PyTorch实现（ICLR 2019）-源码

  2. 图小波神经网络 ⠀ 图小波神经网络的PyTorch实现（ICLR 2019）。 抽象 我们提出了图小波神经网络（GWNN），一种新颖的图卷积神经网络（CNN），它利用图小波变换来解决依赖于图傅立叶变换的先前频谱图CNN方法的缺点。 与图傅立叶变换不同，可以通过快速算法获得图小波变换，而无需矩阵本征分解，且计算量大。 此外，图小波稀疏并局限在顶点域，为图卷积提供了高效率和良好的可解释性。 在三个基准数据集：Cora，Citeseer和Pubmed的基于图的半监督分类任务中，提出的GWNN明显优

  3. 所属分类：其它

    • 发布日期：2021-02-06
    • 文件大小：4194304
    • 提供者：weixin_42101641

  1. SGC：“简化图卷积网络”论文的正式实施-源码

  2. 简化图卷积网络 更新 正如＃23所指出的，在reddit数据集的预处理代码中存在一个细微的错误。 修复此错误后，SGC的F1得分为95.0（以前是94.9）。 实用建议：标准化特征为零均值且标准差为1的值通常会非常有帮助，以加快SGC（和许多其他线性模型）的收敛。 例如，我们应用此规范化。 将SGC应用于其他数据集时，请考虑这样做。 有关一些相关的讨论，请参见以及。 作者： * * * *：平等贡献 总览 此存储库包含简单图卷积（SGC）模型的示例实现，在ICML2019论文《。 S

  3. 所属分类：其它

    • 发布日期：2021-02-03
    • 文件大小：5242880
    • 提供者：weixin_42134117

  1. jabref：用于管理BibTeX和biblatex（.bib）数据库的图形Java应用程序-源码

  2. JabRef参考书目管理 JabRef是一个开源，跨平台的引用和参考管理工具。 掌握文献资料：JabRef可帮助您收集和整理资料，找到所需的论文并发现最新的研究成果。 产品特点 JabRef是免费提供的，并且正在积极开发中。 它为您的研究工作的每个步骤提供支持。 收藏 搜索许多在线科学目录，例如CiteSeer，CrossRef，Google Scholar，IEEEXplore，INSPIRE-HEP，Medline PubMed，MathSciNet，Springer，arXiv和zbMA

  3. 所属分类：其它

    • 发布日期：2021-02-02
    • 文件大小：28311552
    • 提供者：weixin_42099530

  1. HGCAE:HGCAE Pytorch实施。 接受CVPR2021-源码

  2. 双曲图卷积自动编码器 接受CVPR2021 :party_popper: 的官方PyTorch代码 *， *，Hyung Jin Chang，Jin Young Choi （*表示同等贡献） cora数据集的嵌入。 是欧氏空间中的图形自动编码器，而HGCAE是我们的方法。 P是庞加莱球，H是双曲面。 概述 该存储库在PyTorch中提供了HGCAE代码，可通过 PoincareBall歧管 图数据的链接预测任务和节点聚类任务 6个数据集： Cora, Citeseer, Wiki, P

  3. 所属分类：其它

    • 发布日期：2021-03-31
    • 文件大小：17825792
    • 提供者：weixin_42144554

  1. GraphPolicyNetworkActiveLearning:NeurIPS 2020论文“用于图形的可转移主动学习的图形策略网络”的源代码-Source code learning

  2. 图策略网络，用于图的可转移主动学习 这是纸张ģ拍摄和P olicy网络转让甲莫如学习上曲线图（GPA）的代码。 依存关系 matplotlib == 2.2.3 networkx == 2.4 scikit-learn == 0.21.2 numpy == 1.16.3 scipy == 1.2.1火炬== 1.3.1 数据 我们提供了Cora，Pubmed，Citeseer，Reddit1401，它们的数据格式已经处理过，可以直接由我们的代码使用。 Reddit1401是从reddit数据源中

  3. 所属分类：其它

    • 发布日期：2021-03-25
    • 文件大小：63963136
    • 提供者：weixin_42120283