图神经网络

Ai尚研修-贾莲21 天前
人工智能·深度学习·transformer·生成式模型·图神经网络·注意力机制·目标检测算法
最新Transformer模型及深度学习前沿技术应用近年来,随着卷积神经网络(CNN)等深度学习技术的飞速发展,人工智能迎来了第三次发展浪潮,AI技术在各行各业中的应用日益广泛。为了帮助学员深入了解人工智能领域近3-5年内的最新理论与技术,Ai尚研修特别推出全新的《Transformer模型及深度学习前沿技术应用高级培训班》。本课程将带您全面掌握AI前沿技术、新理论及其Python代码实现,助您走在人工智能的技术前沿。课程内容采用“理论讲解 + 案例实战 + 动手实操 + 讨论互动”的多元教学方式,层层剖析,深入浅出地讲解以下核心技术:
归去_来兮1 个月前
大数据·人工智能·深度学习·图神经网络·gnn
图神经网络(GNN)模型的基本原理在人工智能领域,数据的多样性促使研究人员不断探索新的模型与算法。传统的神经网络在处理像图像、文本这类具有固定结构的数据时表现出色,但面对具有不规则拓扑结构的图数据,如社交网络、化学分子结构、知识图谱等,却显得力不从心。
weixin_贾4 个月前
目标检测·大语言模型·图神经网络·深度学习模型·自编码·物理信息神经网络
2025最新Transformer模型及深度学习前沿技术应用1、注意力机制的背景和动机(为什么需要注意力机制?注意力机制的起源和发展里程碑)。2、注意力机制的基本原理(什么是注意力机制?注意力机制的数学表达与基本公式、用机器翻译任务带你了解Attention机制、如何计算注意力权重?)
CM莫问5 个月前
人工智能·python·深度学习·算法·图神经网络·gnn
什么是图神经网络?图神经网络(Graph Neural Network, GNN)是一类专门用于处理图结构数据的神经网络。图结构数据广泛存在于各种实际应用中,如社交网络、分子结构、知识图谱等。GNN通过在图的节点和边上进行信息传递和聚合,能够有效地捕捉图结构中的复杂关系和特征。
段智华5 个月前
图神经网络
动手学图神经网络(3):利用图神经网络进行节点分类 从理论到实践在之前的学习中,大家对图神经网络有了初步的了解。本次教程将深入探讨如何运用图神经网络(GNNs)来解决节点分类问题。在节点分类任务里,大家往往仅掌握少量节点的真实标签,却要推断出其余所有节点的标签,这属于归纳式学习的范畴。
paixiaoxin5 个月前
提示学习·图神经网络·预训练·aaai·同构图·小样本学习·异构图
AAAI2024论文解读|HGPROMPT Bridging Homogeneous and Heterogeneous GraphsHGPROMPT: Bridging Homogeneous and Heterogeneous Graphs for Few-shot Prompt Learning 跨同构异构图的小样本提示学习
小锋学长生活大爆炸5 个月前
人工智能·pytorch·深度学习·图神经网络·gnn·dgl
【DGL系列】dgl中为graph指定CSR/COO/CSC矩阵格式转载请注明出处:小锋学长生活大爆炸[xfxuezhagn.cn]如果本文帮助到了你,欢迎[点赞、收藏、关注]哦~
deephub6 个月前
人工智能·pytorch·神经网络·图神经网络
PyTorch Geometric框架下图神经网络的可解释性机制:原理、实现与评估在机器学习领域存在一个普遍的认知误区,即可解释性与准确性存在对立关系。这种观点认为可解释模型在复杂度上存在固有限制,因此无法达到最优性能水平,神经网络之所以能够在各个领域占据主导地位,正是因为其超越了人类可理解的范畴。
源于花海6 个月前
深度学习·迁移学习·图神经网络·gnn·联邦学习·半监督学习
一文快速预览经典深度学习模型(二)——迁移学习、半监督学习、图神经网络(GNN)、联邦学习Hi,大家好,我是半亩花海。本文主要简要并通俗地介绍了几种经典的深度学习模型,如迁移学习(Transfer Learning, TL)、半监督学习(Semi-supervised Learning, SSL)、图神经网络(Graph Neural Networks, GNN)、联邦学习(Federated Learning, FL)等,便于大家初探深度学习的相关知识,并更好地理解深度学习的基础内容,为后续科研开展建立一定的基础,欢迎大家一起交流学习。
deephub7 个月前
人工智能·深度学习·语言模型·知识图谱·图神经网络
基于图神经网络的大语言模型检索增强生成框架研究:面向知识图谱推理的优化与扩展在大型语言模型(LLMs)相关的人工智能突破中,图神经网络(GNNs)与LLMs的融合已成为一个极具前景的研究方向。这两类模型的结合展现出显著的互补性,能够协同增强LLMs的推理能力和上下文理解能力。通过从知识图谱(KGs)存储的海量信息中进行智能化检索,该结合能够生成准确且不含幻觉的答案。
不会&编程7 个月前
深度学习·图神经网络·dgl·pyg
Hyperbolic Representation Learning: Revisiting and Advancing 论文阅读论文地址:https://arxiv.org/pdf/2306.09118 代码地址:https://github.com/marlin-codes/HIE
程序小旭7 个月前
深度学习·图神经网络·gnn
图神经网络代码学习—基本使用与分类任务对于在多目标跟踪中应用图匹配网络,需要学习使用GNN图神经网络,对于图神经网络的实现需要学习使用一下库和项目来进行实践。
小宝9457 个月前
人工智能·python·神经网络·图神经网络
消息传递神经网络(Message Passing Neural Networks, MPNN)GNN中的消息传递机制是借助PyG、DGL之类的图神经网络框架来编写自己的消息传播GNN的基础,只有对其了解比较深刻,才能更好的设计自己的GNN模型。
爱睡觉的咋8 个月前
人工智能·分类·数据挖掘·图神经网络
GNN入门案例——KarateClub结点分类Karate Club 图任务是一个经典的图结构学习问题,通常用于社交网络分析和社区检测。该数据集是由 Wayne W. Zachary 在1977年收集的,描述了一个美国的空手道俱乐部成员间的社交互动。
litble8 个月前
笔记·神经网络·信号处理·图神经网络·gnn·gcn·傅里叶变换
图神经网络(GNN)入门笔记(1)——图信号处理与图傅里叶变换时域(Time Domain)是我们生活中常见的信号表示方式,以横轴为时间,纵轴为信号该时刻的强度(幅度),就可以得到一张时域图。打个比方,通过每时每刻的震动强度可以得到音频的时域图,或者画一张每小时的车流量,或者每日的降水量的图,也是时域图。 频域(Frequency Domain)则是一种数学上描述信号的方式。在频域中,唯一存在的波形是正弦波(Sine Wave,此处指代余弦和正弦这样的简谐波总称),通过不断叠加不同周期的正弦波,我们认为我们可以拟合所有的时域信号。画成图的话,频域是横轴为频率,纵轴为
医学小达人8 个月前
nlp·图神经网络·gnn·图计算·分子图分类·整图分类模型·hiv分子图分类
Python 分子图分类,GNN Model for HIV Molecules Classification,HIV 分子图分类模型;整图分类问题,代码实战一、分子图分子图(molecular graph)是一种用来表示分子结构的图形方式,其中原子被表示为节点(vertices),化学键被表示为边(edges)。对于HIV(人类免疫缺陷病毒),分子图可以用来详细描述其复杂的化学结构和相互作用,这对于理解HIV的生物学特性和开发治疗药物至关重要。
Abcat_o8 个月前
论文阅读·数据集·图神经网络
【241027-论文阅读】DGraph: A Large-Scale Financial Dataset for Graph Anomaly DetectionDGragh是一个用于图异常检测(gragh anomaly detection, GAD)的大型金融数据集。
zbdx不知名菜鸡9 个月前
笔记·图神经网络
图神经网络黑书笔记--术语· 图由节点集合和边集合组成。节点代表实体,边代表实体之间的关系。节点、边、整个图都可以与丰富的信息相关联,这些信息被表征为节点/边/图的特征。
mumukehao9 个月前
图神经网络·对比学习
Graph Contrastive Learningwith Reinforcement AugmentationIJCAI24 推荐指数: #paper/⭐⭐⭐ 领域:图增强+强化学习不愧是清华组的论文,这个实验的目的是利用强化学习去生成对比学习的增强视图。但是,其仍然有一些小问题:其本质实际是对以往的图增强方法套了一层强化学习的壳(因此好像也没有获得oral或者spotlight),个人觉得提升应该不明显。但是明显是一个有趣的方向
mumukehao9 个月前
图神经网络
ReGCL Rethinking Message Passingin Graph Contrastive LearningAAAI24 推荐指数: #paper/⭐ 总体说:利用梯度对对比正负样本加权的。个人觉得和与正负样本加权没有区别,读完之后不想做笔记了。