发表服务
这其实是我写的周报，分享一下。有兴趣可以联系我，我目前电子科大大三在读。1.三篇论文之间联系第一篇论文给出了图卷积的一种实现方法，第二篇论文是继承与发展，从内推到外推，从矩阵到逐个节点，聚类函数也…
论文：InductiveRepresentationLearningonLargeGraphs作者：WilliamL.Hamilton,RexYing,JureLeskovec来源：NIPS170.碎碎念PinSAGE（PinSage:第一个基于GCN的工业级推荐系统）为GCN落地提供了实践经…
时空图卷积网络ST-GCN论文解读前言一、基于图神经网络的图分类问题二、ST-GCN文章解读1.基于openpose实现人体骨骼提取2.基于人体关键点构造graph2.1构造单帧graph（空间域）2.2构造帧间graph（时间域）2.读入数据总结前言最近在研究基于图神经网络
图神经网络入门：GCN论文+源码超级详细注释讲解！_Mx:在线认爹图神经网络入门：GCN论文+源码超级详细注释讲解！wust不吃洋葱:太好孝了！图神经网络入门：GCN论文+源码超级详细注释讲解！_Mx:爸爸!
在我最近发表的一篇论文中：就是用这种GCN形式作为基于有限检测器的路网规模交通流量估计问题（一种特殊的时空矩阵填充问题）的baseline，即原文4.2节部分的CGMC模型。感兴趣的朋友可以阅读如下的链接。Zhang,Z.,Li,M.,Lin,X.,&Wang,Y.(2020).
论文全称：LargeKernelMatters——ImproveSemanticSegmentationbyGlobalConvolutionalNetwork1、论文的思想在GCN之前，普遍采用堆积小的卷积核的策略，因为这样做更加高效。然而，语义分割任务需要进…
基于attention的半监督GCN|论文分享.图卷积对图中节点的特征和图结构建模，本文中作者首先移除图卷积中的非线性变换，发现在GCN中起关键作用的是传播层，而不是非线知层。.然后提出AGNN模型，在传播层引入attention机制，使中心节点特征的聚合过程中...
Wepresentascalableapproachforsemi-supervisedlearningongraph-structureddatathatisbasedonanefficientvariantofconvolutionalneuralnetworkswhichoperatedirectlyongraphs.Wemotivatethechoiceofourconvolutionalarchitectureviaalocalizedfirst-orderapproximationofspectralgraphconvolutions.Ourmodelscaleslinearlyinthenumberofgraphedgesandlearnshidden...
论文链接：InductiveRepresentationLearningonLargeGraphshttps://papers.nips.cc/pa...2.2聚合函数伪代码第5行可以使用不同聚合函数，本小节介绍五种满足排序不变量的聚合函数：平均、GCN归纳式、LSTM、pooling聚合器。
这其实是我写的周报，分享一下。有兴趣可以联系我，我目前电子科大大三在读。1.三篇论文之间联系第一篇论文给出了图卷积的一种实现方法，第二篇论文是继承与发展，从内推到外推，从矩阵到逐个节点，聚类函数也…
论文：InductiveRepresentationLearningonLargeGraphs作者：WilliamL.Hamilton,RexYing,JureLeskovec来源：NIPS170.碎碎念PinSAGE（PinSage:第一个基于GCN的工业级推荐系统）为GCN落地提供了实践经…
时空图卷积网络ST-GCN论文解读前言一、基于图神经网络的图分类问题二、ST-GCN文章解读1.基于openpose实现人体骨骼提取2.基于人体关键点构造graph2.1构造单帧graph（空间域）2.2构造帧间graph（时间域）2.读入数据总结前言最近在研究基于图神经网络
图神经网络入门：GCN论文+源码超级详细注释讲解！_Mx:在线认爹图神经网络入门：GCN论文+源码超级详细注释讲解！wust不吃洋葱:太好孝了！图神经网络入门：GCN论文+源码超级详细注释讲解！_Mx:爸爸!
在我最近发表的一篇论文中：就是用这种GCN形式作为基于有限检测器的路网规模交通流量估计问题（一种特殊的时空矩阵填充问题）的baseline，即原文4.2节部分的CGMC模型。感兴趣的朋友可以阅读如下的链接。Zhang,Z.,Li,M.,Lin,X.,&Wang,Y.(2020).
论文全称：LargeKernelMatters——ImproveSemanticSegmentationbyGlobalConvolutionalNetwork1、论文的思想在GCN之前，普遍采用堆积小的卷积核的策略，因为这样做更加高效。然而，语义分割任务需要进…
基于attention的半监督GCN|论文分享.图卷积对图中节点的特征和图结构建模，本文中作者首先移除图卷积中的非线性变换，发现在GCN中起关键作用的是传播层，而不是非线知层。.然后提出AGNN模型，在传播层引入attention机制，使中心节点特征的聚合过程中...
Wepresentascalableapproachforsemi-supervisedlearningongraph-structureddatathatisbasedonanefficientvariantofconvolutionalneuralnetworkswhichoperatedirectlyongraphs.Wemotivatethechoiceofourconvolutionalarchitectureviaalocalizedfirst-orderapproximationofspectralgraphconvolutions.Ourmodelscaleslinearlyinthenumberofgraphedgesandlearnshidden...
论文链接：InductiveRepresentationLearningonLargeGraphshttps://papers.nips.cc/pa...2.2聚合函数伪代码第5行可以使用不同聚合函数，本小节介绍五种满足排序不变量的聚合函数：平均、GCN归纳式、LSTM、pooling聚合器。
发表服务