论文阅读 Real-Time Streaming Graph Embedding Through Local Actions 11

9 Real-Time Streaming Graph Embedding Through Local Actions 11link:https://scholar.google.com.sg/scholar_url?url=https://par.nsf.gov/servlets/purl/10109798&hl=zh-TW&sa=X&ei=SyiOYtaXG-CO6rQPzPWC4Ac&scis...

论文阅读 dyngraph2vec: Capturing Network Dynamics using Dynamic Graph Representation Learning

ength of training sequence)影响见图8,9,10,11Summary读下来感觉下标和参数解释不太清楚,尤其是对于时序下标的编写,读起来要比较费劲甚至去猜作者什么意思,这篇论文告诉我在问题定义小节应该尽可能的把除了模型的其他参数解释明白(比如对邻居集的定义)。再回过来说模型,autoencoder+lstm的组合效果看起来还不错,感觉算是一种处理非欧时序结构的基础模型。...

论文解读(ARVGA)《Learning Graph Embedding with Adversarial Training Methods》

论文信息 1 Introduction众多图嵌入方法关注于保存图结构或最小化重构损失,忽略了隐表示的嵌入分布形式,因此本文提出对抗正则化框架(adversarially regularized framework)。2 MethodARGA 框架如下:组成部分: Graph convolutional autoencoderAdversarial regularizatio...

论文解读(gCooL)《Graph Communal Contrastive Learning》

论文信息 1 Introduction出发点:GCL 中节点级对比损失会有一定概率将同一社区中的节点视为负对,这是不合理的。首先提出一种基于图结构信息学习社区划分的 Dense Community Aggregation(𝐷𝑒𝐶𝐴)算法。接下来,引入一种新的 Reweighted Self-supervised Cross-contrastive(𝑅𝑒𝑆𝐶)训练方案,将同一社区中的节点在表...

论文解读(GraphDA)《Data Augmentation for Deep Graph Learning: A Survey》

论文信息 1 介绍本文主要总结图数据增强,并对该领域的代表性方法做出归类分析。DGL 存在的两个问题: 次优图问题:图中包含不确定、冗余、错误和缺失的节点特征或图结构边。 有限标签问题:标签数据成本高,目前大部分 DGL 方法是基于监督和半监督,扩展性不足。 图数据增强可以分为: 1 Techniques of Graph Data Augmentation定义:$\mat...

论文阅读 Dynamic Network Embedding by Modeling Triadic Closure Process

3 Dynamic Network Embedding by Modeling Triadic Closure Processlink:https://scholar.google.com.sg/scholar_url?url=https://ojs.aaai.org/index.php/AAAI/article/view/11257/11116&hl=zh-TW&sa=X&ei=HSiOYtaAE...

论文解读(AGE)《Adaptive Graph Encoder for Attributed Graph Embedding》

论文信息 1 Introduction基于 GCN 的方法有三个主要缺点: 图卷积滤波器和权值矩阵的纠缠会损害其性能和鲁棒性;图卷积滤波器是广义拉普拉斯平滑滤波器的特殊情况,但没有保持最优的低通特性;现有算法的训练目标通常是恢复邻接矩阵或特征矩阵,处理与现实不符; AGE 由两个模块组成: 拉普拉斯平滑滤波器;自适应编码器; 首先,一个GCN 编码器由多个图卷积层组成,每一层包含一...

【历史上的今天】5 月 28 日:图灵提交划时代论文;DR DOS 的第一个版本发布;TrueCrypt 停止开发

池是用镍、铁和碱溶液制成的,它能使电力汽车与汽油发动机汽车相媲美。回顾科技历史上的 5 月 28 日,这一天还发生过哪些影响了我们如今生活的关键事件呢? 1936 年 5 月 28 日:图灵提交划时代论文 1936 年 5 月 28 日,艾伦·图灵(Alan Turing)在《论可计算数及其在判定问题上的应用》( On Computable Numbers, with an Application t...

论文阅读 Predicting Dynamic Embedding Trajectory in Temporal Interaction Networks

交互。右边是用户和物品的嵌入轨迹图,通过训练一个嵌入预测操作(可训练参数矩阵)预测用户的特征轨迹。图中虚线就是用户的估计预测。 表1 对比了已存在的各种算法和JODIE的用途,JODIE全部满足(自己论文肯定全部满足啊。。。) 图2 JODIE模型:JODIE在一次交互\((u,i,t,f)\)后,通过\(RNN_U\)和\(RNN_I\)两个模块更新\(u\)和\(i\)的动态嵌入,接着预测操作去预...

[论文][表情识别]Towards Semi-Supervised Deep Facial Expression Recognition with An Adaptive Confidence Margin

论文基本情况发表时间及刊物/会议:2022 CVPR发表单位:西安电子科技大学, 香港中文大学,重庆邮电大学问题背景在大部分半监督学习方法中,一般而言,只有部分置信度高于提前设置的阈值的无标签数据被利用。由此说明,大部分半监督方法没有充分利用已有数据进行训练。论文创新点设置了Adaptive Confidence Margin(自适应阈值)根据训练规律动态调整阈值,充分利用所有的无标签数据...
© 2022 LMLPHP 关于我们 联系我们 友情链接 耗时0.028486(s)
2022-07-06 05:24:30 1657056270