IJCAI2020 | 知识图神经网络预测药物与药物相互作用
今天给大家介绍的是湖南大学信息科学与工程学院全哲教授课题组在IJCAI 2020会议上发表的一篇关于知识图神经网络预测药物与药物相互作用的文章。在本文中，作者提出了一个称为知识图神经网络（KGNN）的端到端框架，以预测药物与药物相互作用（DDI）。KGNN框架可通过在知识图谱（KG）中挖掘与药物关联的实体关系，以有效地获取药物及其潜在的邻居实体信息。为了提取KG中存在的高阶拓扑结构和语义关系，K....
ICML 2019 | 图马尔可夫神经网络
今天给大家介绍蒙特利尔算法研究所Yoshua Bengio教授课题组在ICML 2019发表的文章“GMNN:Graph Markov Neural Network”。作者在文章中提出了图马尔可夫神经网络GMNN，该模型可以结合统计关系学习方法和图神经网络的优点来研究关系数据的半监督对象分类问题，能够学习用于预测对象标签的对象表示以及对对象标签之间的依赖关系进行建模。经过实验证明，在对象分类，链....
Twitter团队最新研究：快速高效的可扩展图神经网络SIGN
今天给大家介绍的是Twitter研究团队发表的一篇论文，该研究针对大规模图神经网络训练的问题，提出的一种新的结构更加简单的模型——SIGN，这种模型的提出使得计算复杂度大大降低，能够有效地处理大规模图结构，在多个开放的数据集上与主流的模型进行评估对比，SIGN更具有竞争优势。1背景在图上进行的深度学习，也称为几何深度学习(GDL)或者图表示学习(GRL)，在短短几年的时间就从最初的籍籍无名发展成....
AGGCN | 基于图神经网络的关系抽取模型
今天给大家介绍2019年6月发表在ACL上的论文“Attention Guided Graph Convolutional Networks for Relation Extraction”，该工作由新加坡科技设计大学StatNLP研究小组完成。该研究提出了一种以全依赖树作为输入的注意力引导图卷积网络（AGGCN）模型。该模型充分利用了依赖树中的信息，以便更好地提取出相关关系。01研究背景关系抽....
iclr 2020 | Geom-GCN：几何图神经网络
今天给大家介绍吉林大学计算机科学与技术学院杨博老师团队在ICLR2020的一篇论文，该研究针对MPNN现存的一些问题提出了一种新的图神经网络的几何聚合方式，其核心思想是：图上的聚合可以受益于图的连续空间，实验结果表明该研究具有显著效果。1背景消息传递神经网络（MPNN），例如GNN，ChebNet，GG-NN，GCN等，对于基于图的学习具有强大的功能，应用范围从大脑网络到在线社交网络等领域。尽管....
图神经网络(GNN)的简介
近年来，图神经网络(GNN)在社交网络、知识图、推荐系统甚至生命科学等各个领域得到了越来越广泛的应用。GNN在对图节点之间依赖关系进行建模的强大功能，使得与图分析相关的研究领域取得了突破。本文介绍了图神经网络的基本原理，以及两种高级的算法，DeepWalk和GraphSage。图(Graph)在讨论GNN之前，我们先来了解一下什么是图。在计算机科学中，图是由顶点和边两部分组成的一种数据结构。图G....
SIGIR 2021 | 快手联合清华提出基于图神经网络的序列推荐新方法
序列推荐旨在利用用户的历史行为序列来预测用户的下一次交互，此类方法已被现代在线信息流系统（例如新闻，视频，广告等）广泛采用。但用户长期历史行为中普遍存在隐式和嘈杂的偏好信号，这无疑会降低用户真实兴趣的建模效果。为解决该挑战，清华大学未来智能实验室联合快手社科推荐模型组提出了一种基于图神经网络的序列推荐框架 SURGE。通过图神经网络技术对行为信号进行传播与池化，动态地融合并提取用户当前激活的核心....
清华大学孙茂松组：图神经网络必读论文列表
GitHub 链接：https://github.com/thunlp/GNNPapers综述论文这部分共介绍了 8 篇论文，包括前面提到的清华大学的两篇综述论文。机器之心介绍过其中的部分论文，参见：深度学习时代的图模型，清华发文综述图网络清华大学图神经网络综述：模型与应用学界 | DeepMind 等机构提出「图网络」：面向关系推理学界 | Facebook 何恺明等人最新论文提出非局部神经网....
DL之DNN之BP：神经网络算法简介之BP算法/GD算法之不需要额外任何文字，只需要八张图讲清楚BP类神经网络的工作原理
BP类神经网络理解1、BP算法1、信号正向传播FP ...
DL之BP：神经网络算法简介之BP算法简介(链式法则/计算图解释)、案例应用之详细攻略（三）
3、反向传播（backpropagation）算法深度学习模型，采用梯度下降和误差反向传播进行模型参数更新。随机初始化网络权重前向传播计算网络输出计算误差后向传播误差到前一层; 计算梯度前面层更新权重和偏置参数从步骤2重复该过程最小化误差直到损失收敛4、前向传播计算使用损失函数比较实际输出和期望输出计算图(Computation Graph)：计算过程可以表示成有向图的形式。 前向计算过程：计算....
本页面内关键词为智能算法引擎基于机器学习所生成，如有任何问题，可在页面下方点击"联系我们"与我们沟通。