摘要: 最近研读了三篇图神经网络用于方面级情感分类的论文,其中两篇老师给的,一篇是之前自己找的: 1、Aspect-based Sentiment Classification with Aspect-specific Graph Convolutional Networ(EMNLP2019) 2、Modeli 阅读全文
posted @ 2020-08-28 22:07 下一百斤就改名字~园 阅读(1330) 评论(0) 推荐(0) 编辑
摘要: day 6 第六章 GCN性质 6.1 GCN与CNN的联系 1、图像是一种特殊的图数据: 2、从网络连接方式来看,二者都是局部连接。 GCN的计算作用在其一阶子图上,CNN计算作用在中心像素附近。 3、二者卷积核的权重是处处共享的。 与CNN一样,GCN的卷积核也作用于全图所有节点,在每个节点中的 阅读全文
posted @ 2020-08-26 21:37 下一百斤就改名字~园 阅读(189) 评论(0) 推荐(0) 编辑
摘要: day 5 图信号处理以及图卷积神经网络 5.1 矩阵乘法的三种方式 设两个矩阵A$\in R^{k\times M}$ , B$\in R^{M\times P}$ , 对于C=AB,有如下三种计算方法: 5.2 图信号与图的拉普拉斯矩阵 书上公式5.6的推导博客有详细的过程:https://zh 阅读全文
posted @ 2020-08-24 21:48 下一百斤就改名字~园 阅读(270) 评论(0) 推荐(0) 编辑
摘要: day 4 第四章:表示学习 4.1 表示学习的意义、离散表示与分布式表示、端到端学习的表示学习方法。 表示学习:自动的从数据中学习有用的特征,并可以直接用于后续的学习任务。可以利用表示学习减少机器学习算法对特征工程的依赖。表示学习的任务通常是将输入映射到一个稠密的低维的向量空间中。 机器学习中对象 阅读全文
posted @ 2020-08-24 21:28 下一百斤就改名字~园 阅读(244) 评论(0) 推荐(0) 编辑
摘要: day3 阅读全文
posted @ 2020-08-18 22:20 下一百斤就改名字~园 阅读(137) 评论(0) 推荐(0) 编辑
摘要: day2 第二章讲的是神经网络基础,包括机器学习的概念,神经元和多层感知机,激活函数以及神经网络的训练。 2.1 机器学习的基本概念 2.1 机器学习的分类:这部分内容介绍了机器学习的分类、机器学习的流程、损失函数以及梯度下降法。 1、机器学习的分类这部分内容介绍的是我们在机器学习课程中学过的内容, 阅读全文
posted @ 2020-08-17 23:49 下一百斤就改名字~园 阅读(159) 评论(0) 推荐(0) 编辑
摘要: day1 第一章 图的概述 1.1 图的基本定义(图的基本类型、邻居和度、子图与路径) 1.2 图的存储与遍历(邻接矩阵与关联矩阵) 前两节的内容都是数据结构学习过的知识,比较熟悉,比如说有向图和无向图以及加权图,图的邻居和度,以及邻接矩阵的概念和图的遍历广度优先搜索和深度优先搜索方法。 1.3 图 阅读全文
posted @ 2020-08-16 22:06 下一百斤就改名字~园 阅读(385) 评论(1) 推荐(0) 编辑
摘要: 助教期末总结 1、班级博客链接:https://edu.cnblogs.com/campus/xbsf/nwnu2020SE/ 2、点评数量统计: 3、助教工作期间发布博客链接汇总 1、【西北师大-20软工】第一次作业成绩汇总】 2、2020春软件工程助教工作总结 【第一周】 3、2020春软件工程 阅读全文
posted @ 2020-08-12 17:23 下一百斤就改名字~园 阅读(273) 评论(1) 推荐(1) 编辑
摘要: Domain Adaptation(域适应)——是迁移学习中的一种代表性方法,指的是利用信息丰富的源域样本来提升目标域模型的性能。 领域自适应问题中两个至关重要的概念: **源域(source domain)**表示与测试样本不同的领域,但是有丰富的监督信息; **目标域(target domain 阅读全文
posted @ 2020-07-16 16:27 下一百斤就改名字~园 阅读(369) 评论(0) 推荐(0) 编辑
摘要: Graph Neural Networks:A Review of Methods and Applications论文研读 2.1 图神经网络源起 2.2 图神经网络基本参数定义: 2.3 f、g参数的学习 2.4 GNN的局限性 首先,对于不动点,迭代更新节点的隐藏状态是低效的。如果放松不动点的 阅读全文
posted @ 2020-07-15 19:04 下一百斤就改名字~园 阅读(175) 评论(0) 推荐(0) 编辑