相关阅读
相关 图神经网络(GNN)：同质图模型【GCN/GraphSAGE/GAT...】、异质图模型【HAN/HetGNN...】
目前的图神经网络主要针对同质图（节点类型和边类型单一）设计. 同质图中只有一种类型的节点和边(例如,只有朋友关系的社交网络),网络结构较为简单.因此,同质图神经网络通常
偏执的太偏执、相关 GNN-图卷积模型-归纳式-2017：GraphSAGE【消息传递（前向传播）：聚合+更新】【聚合函数：lstm/pool】【训练更新函数参数】【不全图卷积，每次采样一批节点来卷积训练】【同质图】
一、概述 ![在这里插入图片描述][watermark_type_ZHJvaWRzYW5zZmFsbGJhY2s_shadow_50_text_Q1NETiBA5b-N6
相关 GNN-图卷积模型-2015：GGNN【消息传递（前向传播）：聚合函数+更新函数】【更新函数：GRU】【训练更新函数的参数】
![在这里插入图片描述][watermark_type_ZHJvaWRzYW5zZmFsbGJhY2s_shadow_50_text_Q1NETiBA5b-N6ICF44Gu5
太过爱你忘了你带给我的痛相关 GNN-图卷积模型-2017：MPNN（消息传递神经网络）【消息传递（前向传播）：聚合函数(消息传递)+更新函数(状态更新)】【图卷积模型统一框架】
《原始论文：Neural Message Passing for Quantum Chemistry》 ![在这里插入图片描述][watermark_type_ZHJvaWR
相关 GNN-图卷积模型-直推式&归纳式-2017：GAT【消息传递（前向传播）：聚合函数+更新函数】【聚合函数：attention（邻域所有节点根据注意力机制进行加权）】【训练更新函数的参数】【同质图】
一、概述 Graph数据结构的两种特征： 当我们提到Graph或者网络的时候，通常是包含顶点和边的关系，那么我们的研究目标就聚焦在顶点之上。而除了结构之外，每个顶点还
相关 GNN-图卷积模型-直推式-2016：GCN【消息传递（前向传播）：聚合函数+更新函数】【聚合函数：mean（邻域所有节点取平均值）】【训练更新函数的参数】【空域+频域】【同质图】
![在这里插入图片描述][watermark_type_ZHJvaWRzYW5zZmFsbGJhY2s_shadow_50_text_Q1NETiBA5b-N6ICF44Gu5
相关 GNN-2008：Original GNN【消息传递（前向传播）：聚合函数+更新函数+输出函数】【核心：不动点理论】【梯度优化：用Almeida-Pineda算法，而不是用BPTT(反向传播)算法】
[《原始论文：A new model for learning in graph domains-2005》][A new model for learning in grap
相关 GNN：“图卷积模型”通用框架【每一层网络都基于邻域节点(1-hop)更新当前节点的向量表示（一般用2~3层）】【消息传递：①从邻域节点汇聚信息；②更新当前节点状态】【各模型区别：聚合函数类型的选取】
一、卷积的概念 1、图卷积缘起 在开始正式介绍图卷积之前，我们先花一点篇幅探讨一个问题：为什么研究者们要设计图卷积操作，传统的卷积不能直接用在图上吗？ 要理解这个问
相关 MySQL函数之聚合函数
目录 1.聚合函数 (1)AVG:计算一组值或表达式的平均值 (2)count:计算表中的行数 (3)sum:计算一组值或表达式的总和 (4)min/max:在一组值
相关 MySQL 聚合函数
聚合函数aggregation function又称为组函数。 一般情况下，聚合函数会对当前所在表当做一个组进行统计。 特点 每个组函数接收一个参数（字段名或者表
深藏阁楼爱情的钟
还没有评论，来说两句吧...