摘要: 论文信息 Title:《Symmetric Graph Convolutional Autoencoder for Unsupervised Graph Representation Learning》 Authors:Jiwoong Park、Minsik Lee、H. Chang、Kyuewan 阅读全文
posted @ 2022-01-23 10:44 cute_Learner 阅读(62) 评论(0) 推荐(0) 编辑
摘要: Paper Information Titlel:《Semi-Supervised Classification with Graph Convolutional Networks》Authors:Thomas Kipf, M. WellingSource:2016, ICLRPaper:Downl 阅读全文
posted @ 2022-01-21 17:04 cute_Learner 阅读(159) 评论(0) 推荐(1) 编辑
摘要: 感悟 看完图卷积一代、二代,深感图卷积的强大,刚开始接触图卷积的时候完全不懂为什么要使用拉普拉斯矩阵( $L=D-W$),主要是其背后的物理意义。通过借鉴前辈们的论文、博客、评论逐渐对图卷积有了一定的了解,作为一个刚上研的博士生,深感得对图神经网络进行一个系统的学习。 本篇论文得感谢论文 David 阅读全文
posted @ 2022-01-20 10:26 cute_Learner 阅读(101) 评论(0) 推荐(0) 编辑
摘要: 首先,本定理针对的是 Hermitian 矩阵, 即共轭对称矩阵。 因为只有共轭对称矩阵的特征值是确定为实数值的, 其他矩阵很可能是复数值, 而复数值,也就不存在大小关系了。 Courant-Fisher min-max 定理 对于 $n \times n$ 的矩阵 $\mathbf{A}$ , 有 阅读全文
posted @ 2022-01-19 19:16 cute_Learner 阅读(10) 评论(0) 推荐(0) 编辑
摘要: 高水平博客 从图(Graph)到图卷积(Graph Convolution):漫谈图神经网络模型 (一) 从图(Graph)到图卷积(Graph Convolution):漫谈图神经网络模型 (二) 从图(Graph)到图卷积(Graph Convolution):漫谈图神经网络模型 (三) 备忘要 阅读全文
posted @ 2022-01-18 12:08 cute_Learner 阅读(6) 评论(0) 推荐(0) 编辑
摘要: 引入 聚类算法一般可以分为两类: Compactness。代表的算法有 K-means,GMM 等。但这类算法只能处理凸集,为了处理非凸的样本集,必须引⼊核技巧。 Connectivity。这类以 spectral clustering 为代表。 举个例子,将下述数据采用聚类算法进行聚类,可以采用 阅读全文
posted @ 2022-01-18 10:40 cute_Learner 阅读(118) 评论(0) 推荐(0) 编辑
摘要: Paper Information Title:《Convolutional Neural Networks on Graphs with Fast Localized Spectral Filtering》Authors:Michaël Defferrard、Xavier Bresson、Pier 阅读全文
posted @ 2022-01-17 17:26 cute_Learner 阅读(140) 评论(0) 推荐(0) 编辑
摘要: 《Inductive Representation Learning on Large Graphs》 论文标题:Inductive Representation Learning on Large Graphs 论文作者: William L. Hamilton (wleif@stanford.e 阅读全文
posted @ 2022-01-17 08:24 cute_Learner 阅读(13) 评论(0) 推荐(0) 编辑
摘要: Paper information Tittle:《Spectral Networks and Locally Connected Networks on Graphs》 Authors:Joan Bruna、Wojciech Zaremba、Arthur Szlam、Yann LeCun Sour 阅读全文
posted @ 2022-01-17 00:54 cute_Learner 阅读(112) 评论(0) 推荐(0) 编辑
摘要: 图神经网络基础目录: 《图神经网络基础一:傅里叶级数与傅里叶变换》 《图神经网络基础二——谱图理论》 论文解读GCN 1st《 Deep Embedding for CUnsupervisedlustering Analysis》 一、从简单变换到傅里叶级数 如下图所示,在笛卡尔坐标系中,定义一组基 阅读全文
posted @ 2022-01-15 19:07 cute_Learner 阅读(232) 评论(0) 推荐(3) 编辑