KongHuzi

摘要： 欢迎交流，如有错误也欢迎指出 阅读全文

摘要： 想法很朴素，确实挺吸引人的 看了下源代码，有几个点写的很有技巧，学习ing. 欢迎交流 阅读全文

摘要： 论文目的 强调依据的 Graph 中的 structure info 对于 Node 的分类。这区别于以往的假设 “相邻较近的节点具有相似的分类情况” 即用 “structure identity”。换句话说————“struc2vec is superior in a classification 阅读全文

摘要： 😄 😥 🙃 😭 😡 安装conda 【本身就不需要root权限】 1.下载anconda https://www.anaconda.com/products/individual 或者直接清华园 https://mirrors.tuna.tsinghua.edu.cn/anaconda/a 阅读全文

摘要： #DCNN ##主要思想： 这是一篇基于空间域的图神经网络，聚合方式通过采样（hop）1~k 阶的邻居并同 self 使用 mean 的方式得到新的 feature-vector 作者将不同的采样距离并聚合的特征堆叠成一个矩阵，这个矩阵才是最终一个 node(or graph/edge) 的 fea 阅读全文

摘要： 主要目的： 代码上传到服务器上，环境也搭在了服务器上，本地pycharm能够随时调试和调整远端代码 #配置远端解释器 1. conda info -e 2. conda acivate pytorch_gpu 这是我的环境名 3. 查看当前环境python解释器位置 >>> python >>> i 阅读全文

摘要： Step 1: 确定迭代初始值 \(x^*=x_0\)，记录初值 \(S_0=x_0^TMx_0\)，\(k=0\) Step 2.1: 确定 \(b_{k+1}=P_d(Mx_k)\) \(b_{k+1}=y^*=argmax(x_k^Tmy)\) \(s.t.\ Ay=1\) \(\ \ \ \ 阅读全文

摘要： 结论 ： 证明 ： 令 \(v_1...v_n\) 是对应的 \(\lambda1...\lambda n\) 的 单位特征向量 。现考虑由 \(v_1...v_k\) 展成的 \(k-dimensional \ space\)，在此空间中的每个向量 \(x = \sum_{i=1}^k a_iv_ 阅读全文

摘要： 一片很棒的文章！ 问题描述： 若有两无向图，图$G$点个数$A$，图 $g$ 中点个数 $I$ ，现需要找到两图的互相 $node corresponds to node$, 即最小化如下函数： $$ E_{wg}(M)= \frac{1}{2}\sum_{a=1}^A \sum_{i=1}^I \ 阅读全文

摘要： 首先，容我吐槽一下这篇论文的行文结构、图文匹配程度、真把我搞得晕头转向，好些点全靠我猜测推理作者想干嘛，😈 背景 我们知道传统的CNN针对的是image，是欧氏空间square grid，那么使用同样square grid的卷积核就能对输入的图片进行特征的提取。在 "上一篇" 论文中，使用的理论是 阅读全文