图注意网络Graph Attention Network
Leaky ReLU 有利于压低负数对结局的影响。
图注意网络Graph Attention Network的流程
输入向量 h i h_i hi乘上权重矩阵W得到对应的向量 h i ∗ h_i^* hi∗,并将 h i ∗ h_i^* hi∗计算出对应的 a i a_i ai,从而得到最终对结果向量的贡献。
所以有 h = ∑ i h i ∗ ∗ a i h = \sum_i{h_i^{*}*a_i} h=∑ihi∗∗ai
图神经网络｜图注意网络Graph Attention Network
晓源Galois2024-01-14 14:05
相关推荐
梦雨羊5 分钟前
【持续更新中】transformer详解和embedding大模型AnRan080817 分钟前
ChatGPT如何赋能办公量子位29 分钟前
陈丹琦团队降本大法又来了：数据砍掉三分之一，性能却完全不减IT古董39 分钟前
【机器学习】机器学习的基本分类-自监督学习（Self-supervised Learning）鸟哥大大1 小时前
Seed-TTS: A Family of High-Quality Versatile Speech Generation Models是十一月末2 小时前
Opencv查找、绘制轮廓、圆形矩形轮廓和近似轮廓机器懒得学习2 小时前
基于人脸识别和 MySQL 的考勤管理系统实现格林威2 小时前
Baumer工业相机堡盟LXT工业相机如何升级固件使得相机具有RDMA功能小墙程序员2 小时前
人工智能的发展概述