摘要： GAT入门（Graph Attention Networks） 信息来源：https://zhuanlan.zhihu.com/p/81350196 1.聊点基础 ① 图的两种“特征” 对于任意顶点，其和邻居构成第一种特征，即图的结构关系 每个顶点都有自己的特征，即GCN中提到的图信号，它可以是社交 阅读全文

摘要： 强化学习算法 1.概述 之前入门了强化学习基本术语及MDP，而强化学习相关算法就目前了解，分为在MDP框架下的算法，以及跳出MDP框架下的算法，我们现针对在MDP框架下的算法去学习，先不管跳出MDP框架下的算法。 而在MDP框架下，算法又可以分为两大类：基于模型的（model-based）和无模型的 阅读全文

摘要： GCN入门 信息来源 理论 https://zhuanlan.zhihu.com/p/120311352 数学推导 https://www.bilibili.com/video/BV1Vw411R7Fj/?spm_id_from=333.337.search-card.all.click 1.基本概 阅读全文

摘要： 图神经网络 1.图概述 ①基本概念 如何表示图 - 使用向量，以A Gentle Introduction to Graph Neural Networks为例 使用6个维度的向量表示顶点信息 使用8个维度的向量表示边的信息 使用5个维度的向量表示全局信息，全局信息例如节点数、边数、最长路径等 有向 阅读全文

摘要： 1.基本概念 强化学习讨论的问题：一个智能体（agent）如何在一个复杂的环境（environment）中去极大化它所获得的奖励。通过感知环境的状态（state）对动作（action）的反应（reward），来指导更好的动作，从而获得最大的收益（return）。以上过程称为在交互中学习，这样的学习方 阅读全文

摘要： 常用latex格式，待补充 阅读全文

摘要： 零、预训练 & 词向量 0.1 预训练 预训练 = 生成词向量 + 迁移到下游任务 预训练的过程，就是在 大量文本 上学习每个单词的最佳词向量，让其捕捉语义信息 训练完成后，模型可以将新数据中的单词转换成合理的词向量，以便用于下游任务 Word2Vec得到的是静态词向量，不能区分不同语境下的一词多义 阅读全文

摘要： 考研复试自用，主要内容包括：基本概念、关系代数、关系理论（函数依赖&范式相关）、SQL相关、事务并发、安全访问、日志系统等内容 阅读全文