2023年4月8日
摘要：
导读 传统的深度学习技术已经在图像等欧式数据或文本和信号等序列数据上取得巨大的成功。但也有很多领域数据需要用复杂的图结构来表达，这些图结构的数据可以编码复杂的点对关系，以学习更丰富的信息表征；另一面，原始数据（图像或连续文本）的结构和语义信息中纳入特定领域知识可以捕捉数据之间更细粒度的关系。 当GN 阅读全文
posted @ 2023-04-08 08:23
小染子
阅读(220)
评论(0)
推荐(0)
摘要：
摘要 图表征学习的目的是将图中的节点嵌入低维的表征并有效地保留图的结构信息。 导读 许多复杂的系统具有图的形式，如社交网络、生物网络和信息网络。为了有效地处理图数据，第一个关键的挑战是找到有效的图数据表征方法，也就是如何简洁地表征图，以便在时间和空间上有效地进行高级的分析任务，如模式识别、分析和预测 阅读全文
posted @ 2023-04-08 08:22
小染子
阅读(208)
评论(0)
推荐(0)
摘要：
导读 表征学习的目标是从数据中提取足够但最少的信息。传统上，该目标可以通过先验知识以及基于数据和任务的领域专业知识来实现，这也被称为特征工程。特征工程是利用人类的现有知识的一种方式，旨在从数据中提取并获得用于机器学习任务的判别信息（比如从音频中通过傅立叶变换提取出mel频谱）。 特征工程的缺点： 需 阅读全文
posted @ 2023-04-08 08:20
小染子
阅读(216)
评论(0)
推荐(0)
摘要：
图的基本概念 中心度：用来衡量图中节点的重要性。中心度的基本假设是：如果其他重要的节点也连接到该节点，则认为该节点是重要的。常见的中心度度量包括度数中心度、特征向量中心度、间隔性中心度和接近性中心度。 邻域：一个节点的邻域一般是指与该节点相近的其他节点的集合（距离为1）。一个节点的k阶邻域内的所有节 阅读全文
posted @ 2023-04-08 08:19
小染子
阅读(191)
评论(0)
推荐(0)
浙公网安备 33010602011771号