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. st-gcn时空图卷积神经网络

  2. Spatial Temporal Graph Convolutional Networks for Skeleton-Based Action Recognition. 图卷积神经网络，2018年AAAI论文代码。

  3. 所属分类：深度学习

    • 发布日期：2018-12-11
    • 文件大小：19922944
    • 提供者：weixin_38635229

  1. GCN学习.pdf

  2. GCN图卷积神经网络笔记及PPT 项目组讨论班所用 适合入门

  3. 所属分类：深度学习

    • 发布日期：2019-07-17
    • 文件大小：973824
    • 提供者：iamjingong

  1. 图卷积神经网络的变种与挑战.zip

  2. 半监督图卷积神经网络(Semi-GCN)对原始的GCN进行了约束与简化，也因此诞生了诸多研究方向。GraphSAGE首先归纳出了Neighbor Aggregate模式；GAT将Attention机制引入到了GCN当中；GeniePath尝试将GCN的层次做深。本次讨论将主要介绍semi-GCN之后的这些变体与它们之间的联系，以及当前GCN研究当中的问题与挑战。 高扬 ，中国科学院信息工程研究所硕博二年级在读。本压缩包即其分享的整理，除了ppt外，也包括图片pictures和md档。

  3. 所属分类：深度学习

    • 发布日期：2019-09-23
    • 文件大小：2097152
    • 提供者：qq_27206435

  1. Deeplearning with graph structured representations.pdf

  2. 图卷积神经网络--Thomas Kipf 的PHD论文，涵盖GCN的基本理论以及在无监督学习的应用。

  3. 所属分类：互联网

    • 发布日期：2020-05-13
    • 文件大小：8388608
    • 提供者：zyaiwx

  1. 纽约大学《图卷积神经网络》笔记

  2. 本文为硬核干货，讲述了GCN近年来的研究进展，包括经典卷积网络、谱图卷积网、 空间域图卷积网、GCN基准等。

  3. 所属分类：机器学习

    • 发布日期：2020-05-13
    • 文件大小：23068672
    • 提供者：syp_net

  1. GCN大佬Thomas Kipf博士论文《深度学习图结构表示》

  2. Thomas Kipf是阿姆斯特丹大学博士生，是GCN作者。最近他毕业博士论文公布了，《深度学习图结构表示》178页pdf阐述图卷积神经网络等机制与应用，包括作者一系列原创图深度学习工作，有GCN、GAE等，是研究该领域不可缺少的阅读文献。

  3. 所属分类：机器学习

    • 发布日期：2020-05-07
    • 文件大小：8388608
    • 提供者：syp_net

  1. 图卷积神经网络中的池化综述.pdf

  2. 图卷积神经网络(GCNNs)是深度学习技术在图结构数据问题上的一种强大的扩展。我们对GCNNs的几种池方法进行了实证评估，并将这些图池化方法与三种不同架构(GCN、TAGCN和GraphSAGE)进行了组合。我们证实，图池化，特别是DiffPool，提高了流行的图分类数据集的分类精度，并发现，平均而言，TAGCN达到了可比或更好的精度比GCN和GraphSAGE，特别是对数据集较大和稀疏的图结构。

  3. 所属分类：机器学习

    • 发布日期：2020-04-08
    • 文件大小：330752
    • 提供者：syp_net

  1. 基于节点重要性分配的网络分类算法

  2. 基于节点重要性分配的网络分类算法，曾地，鄂海红，网络表示学习是将网络节点的内容特征和结构特征结合起来，映射到低维连续向量上的一种学习方法。近年来，端到端图卷积神经网络GCN

  3. 所属分类：其它

    • 发布日期：2020-03-09
    • 文件大小：429056
    • 提供者：weixin_38682242

  1. 图卷积网络Graph Convolutional Network（GCN）的理解和详细推导.pdf

  2. 图卷积网络 GCN Graph Convolutional Network（谱域GCN）的理解和详细推导博客pdf 原博客链接：https://blog.csdn.net/yyl424525/article/details/100058264#comments_12499724

  3. 所属分类：深度学习

    • 发布日期：2020-06-11
    • 文件大小：3145728
    • 提供者：yyl424525

  1. cora.content

  2. 社交网络方向相关的论文引用数据集cora,Cora数据集，可用于社区发现、社区检测、节点分类、图卷积神经网络GCN等

  3. 所属分类：搜索引擎

    • 发布日期：2020-07-14
    • 文件大小：7340032
    • 提供者：just_so_so_fnc

  1. cora.cites

  2. 社交网络方向相关的论文引用数据集cora,Cora数据集，可用于社区发现、社区检测、节点分类、图卷积神经网络GCN等

  3. 所属分类：搜索引擎

    • 发布日期：2020-07-14
    • 文件大小：69632
    • 提供者：just_so_so_fnc

  1. 理解图卷积网络的节点分类

  2. 在过去的十年中，神经网络取得了巨大的成功。但是，只能使用常规或欧几里得数据来实现神经网络的早期变体，而现实世界中的许多数据都具有非欧几里得的底层图形结构。数据结构的不规则性导致了图神经网络的最新发展。在过去的几年中，正在开发图神经网络的各种变体，其中之一就是图卷积网络（GCN）。GCN也被视为基本的图神经网络变体之一。 在本文中，我们将更深入地研究由Thomas Kipf和Max Welling开发的图卷积网络。我还将在使用NetworkX构建第一个图形时给出一些非常基本的示例。到本文结尾，我

  3. 所属分类：深度学习

    • 发布日期：2020-08-30
    • 文件大小：3072
    • 提供者：qq_28368377

  1. 图神经网络架构的最新进展

  2. 由Xavier Bresson副教授报告的主要内容包括：传统卷积网络，频域图卷积网络和空域图卷积网络，全面详细地介绍了GCN的背景、挑战、发展历程、模型和研究方向。

  3. 所属分类：机器学习

    • 发布日期：2020-11-08
    • 文件大小：25165824
    • 提供者：syp_net

  1. gcnn-survey-paper-源码

  2. 图卷积神经网络（GCNN）模型 该存储库包含用于节点分类，链接预测和联合节点分类以及链接预测的GCNN模型的张量流实现，以补充Chami等人的调查论文。 注意：这不是官方支持的Google产品。 代码组织 train.py ：训练带有FLAGS参数的模型。 train --helpshort了解更多信息。 。 launch.py ：训练具有不同参数组合的多个模型。在launch.py文件中指定参数。 launch --helpshort获取更多信息。 best_model.py ：使用lau

  3. 所属分类：其它

    • 发布日期：2021-03-22
    • 文件大小：5242880
    • 提供者：weixin_42113794

  1. GCN-NAS:AAAI2020“用于通过神经搜索进行基于骨骼的人体动作识别的学习图卷积网络”的源代码-源码

  2. GCN-NAS PyTorch源代码，“”，AAAI2020 要求 python包 pytorch = 0.4.1 火炬视觉> = 0.2.1 资料准备 从和下载原始数据。 并预处理数据。 用预处理数据 python data_gen/ntu_gendata.py python data_gen/kinetics-gendata.py. 使用以下命令生成骨骼数据： python data_gen/gen_bone_data.py 模型训练 在这里，您可以训练通过我们的方法搜索的

  3. 所属分类：其它

    • 发布日期：2021-03-08
    • 文件大小：68608
    • 提供者：weixin_42116847

  1. 基于深度神经网络的交通流量预测

  2. 精确的预测结果可以为通勤者提供合理的出行建议，并进一步为交通管理提供帮助。现有的研究深入深度学习方法在时空特征提取方面已经有了显着的进展，诸如图卷积神经网络，长短期记忆网络模型等在此过程中发挥了重要的作用。而，仅将这些方法应用到具体的路网场景下的交通流量预测问题是不够合理的的，本文提出了一种优化的时空交通流量预测模型，将线图转换到道路交通拓扑结构的建造过程，并利用GCN实现了更有效的路网空间特征提取能力，特别是与传统的卷在真实的大型数据集的实验结果显示中，采用现有的较大模型，本文提出的模型对于交

  3. 所属分类：其它

    • 发布日期：2021-03-08
    • 文件大小：400384
    • 提供者：weixin_38706100

  1. Graph-Neural-Network-Note:一个了解图神经网络的博客-源码

  2. 从图（Graph）到图卷积（Graph Convolution）：漫谈图神经网络 Github Markdown对Latex的支持不好，推荐移步阅读，之后会同步更新。 笔者最近看了一些图与图卷积神经网络的论文，深感其强大，但一些调查或教程替换了读者对图神经网络背景知识的了解，对未学过信号处理的读者不太友好。同时，，很多教程只讲是什么，不讲为什么，也没有梳理清楚不同网络结构的区别与设计初衷（Motivation）。 因此，本文试图建立图神经网络的历史脉络，从初步基于不动点理论的图神经网络（图神经网

  3. 所属分类：其它

    • 发布日期：2021-03-08
    • 文件大小：2097152
    • 提供者：weixin_42144707

  1. GNNs_and_related_works_list：GNN和相关作品的列表-源码

  2. GNNs_and_related_works_list 关于 GNN和相关作品的清单。 列表 数字 GNN或相关工作方法 纸 代码 1个 光谱CNN 图上的频谱网络和深层本地连接网络 2 ChebyNet 具有快速局部光谱滤波的图卷积神经网络 3 GCN 图卷积网络的半监督分类 4 使用图过滤器评估对图神经网络进行神秘化处理 5 SGC 简化图卷积网络 6 神经网络 回顾图神经网络：我们所拥有的只是低通滤波器 7 摩网 使用混合模型CNN在图和流形上进行几何深度学习

  3. 所属分类：其它

    • 发布日期：2021-02-14
    • 文件大小：11264
    • 提供者：weixin_42127937

  1. 适用于NLP的GNN：教程：EMNLP 2019和CODS-COMAD 2020上的用于自然语言处理的图形神经网络-源码

  2. 图神经网络用于自然语言处理 该存储库包含和教程的代码示例。 幻灯片可以从下载。 依存关系 与PyTorch 1.x，TensorFlow 1.x和Python 3.x兼容。 可以使用requirements.txt安装依赖项。 TensorFlow示例： tf_gcn.py包含由提出的GCN模型的一阶逼近的简化实现 针对不同问题的相同实现的扩展： 关系提取： 文字嵌入的 ： 文件时间： PyTorch示例： pytorch_gcn.py是pytorch等效tf_gcn.py使

  3. 所属分类：其它

    • 发布日期：2021-02-04
    • 文件大小：5242880
    • 提供者：weixin_42099936

  1. gcn-over-pruned-trees：修剪后的依赖树上的图形卷积可改善关系提取（作者的PyTorch实现）-源码

  2. 修剪后的依赖树上的图卷积用于关系提取 此回购包含PyTorch代码，用于修剪。 本文/代码在修剪的依赖树上引入了图卷积神经网络（GCN），用于关系提取的任务。 还引入了一种特殊的树修剪技术，称为“以路径为中心的修剪”，以从树中消除不相关的信息，同时最大程度地维护相关信息。 与诸如各种基于LSTM的模型之类的序列模型相比，此GCN模型利用依赖结构桥接远程单词，因此提高了远程关系的性能。 与以前的递归模型（如TreeLSTM）相比，此GCN模型在获得更好的性能的同时，也更早地实现了并行化，因此效率

  3. 所属分类：其它

    • 发布日期：2021-02-04
    • 文件大小：616448
    • 提供者：weixin_42144086
« 12 »