Blair

摘要： 论文信息 论文标题：Self-supervised Learning on Graphs: Contrastive, Generative,or Predictive论文作者：Lirong Wu, Haitao Lin, Cheng Tan,Zhangyang Gao, and Stan.Z.Li论 阅读全文

摘要： 论文信息 论文标题：Contrastive Self-supervised Learning for Graph Classification论文作者：Jiaqi Zeng, Pengtao Xie论文来源：2020, AAAI论文地址：download 论文代码：download Abstract 阅读全文

摘要： 论文信息 论文标题：Supervised Contrastive Learning with Structure Inference for Graph Classification论文作者：Hao Jia, Junzhong Ji, Minglong Lei论文来源：2022, ArXiv论文地址 阅读全文

摘要： 论文信息 论文标题：Graph-MLP: Node Classification without Message Passing in Graph论文作者：Yang Hu, Haoxuan You, Zhecan Wang, Zhicheng Wang,Erjin Zhou, Yue Gao论文来源 阅读全文

摘要： Paper Information Title：Fast Multi-Resolution Transformer Fine-tuning for Extreme Multi-label Text ClassificationAuthors：Jiong Zhang, Wei-Cheng Chang, 阅读全文

摘要： 论文信息 论文标题：Node Representation Learning in Graph via Node-to-Neighbourhood Mutual Information Maximization论文作者：Wei Dong, Junsheng Wu, Yi Luo, Zongyuan 阅读全文

摘要： 介绍 相对熵（relative entropy），又被称为Kullback-Leibler散度（Kullback-Leibler divergence）或信息散度（information divergence），是两个概率分布（probability distribution）间差异的非对称性度量。 阅读全文

摘要： class torch.optim.Adam(params, lr=0.001, betas=(0.9, 0.999), eps=1e-08, weight_decay=0)参数：params (iterable) – 待优化参数的iterable或者是定义了参数组的dictlr (float, 可 阅读全文

摘要： 随机梯度下降法 $\theta_{t} \leftarrow \theta_{t-1}-\alpha g_{t}$ Code： optimzer = torch.optim.SGD(model.parameters(),lr = 0.001) 权重衰减 $\theta_{t} \leftarrow( 阅读全文

摘要： 1 导入实验所需要的包 import torch import torch.nn as nn import torchvision import torchvision.transforms as transforms import torch.nn.functional as F from tor 阅读全文