备案控制台
探索云世界
开发者社区 人工智能 文章 正文

关于 Graph Convolutional Networks 资料收集

2016-10-13 1208
版权
版权声明：
本文内容由阿里云实名注册用户自发贡献，版权归原作者所有，阿里云开发者社区不拥有其著作权，亦不承担相应法律责任。具体规则请查看《 阿里云开发者社区用户服务协议》和 《阿里云开发者社区知识产权保护指引》。如果您发现本社区中有涉嫌抄袭的内容，填写 侵权投诉表单进行举报，一经查实，本社区将立刻删除涉嫌侵权内容。
简介： 关于 Graph Convolutional Networks 资料收集     　　1.  GRAPH CONVOLUTIONAL NETWORKS  　　------ THOMAS KIPF, 30 SEPTEMBER 2016  　　　　Link：http://tkipf.

 

关于 Graph Convolutional Networks 资料收集

 

 

　　1.  GRAPH CONVOLUTIONAL NETWORKS  　　------ THOMAS KIPF, 30 SEPTEMBER 2016 

　　　　Link：http://tkipf.github.io/graph-convolutional-networks/#gcns-part-iii-embedding-the-karate-club-network

 

　　2.  Graph 卷积神经网络：概述、样例及最新进展    ------ 2016-10-12 

　　　　Link：http://mp.weixin.qq.com/s?__biz=MzI3MTA0MTk1MA==&mid=2651987895&idx=3&sn=8223f5c491ce6388b13ed7b72ea24f5e&chksm=f1216b46c656e250e953410cc61f152fedf5f7c04f261548c24e463b641b2b20bd5cbcd08003&mpshare=1&scene=1&srcid=1013IdNrB4bsRkyxnAOvIhZN#rd

 

　　3.  How powerful are Graph Convolutions? (review of Kipf & Welling, 2016)  

　　　　Link: http://www.inference.vc/how-powerful-are-graph-convolutions-review-of-kipf-welling-2016-2/?utm_source=tuicool&utm_medium=referral  

 

　　4. 

文章标签：
机器学习/深度学习
wangxiaocvpr
目录
相关文章
aliyun5213875046
|
1月前
Simplifying Graph Convolutional Networks论文笔记
Simplifying Graph Convolutional Networks论文笔记
aliyun5213875046
11 0
算精通
|
6月前
|
机器学习/深度学习 TensorFlow 语音技术
Convolutional Neural Network，简称 CNN
卷积神经网络（Convolutional Neural Network，简称 CNN）是一种深度学习模型，主要用于图像识别、物体检测、语音识别等任务。CNN 通过局部感知、权值共享和下采样等操作，能够有效地提取图像特征，从而实现对图像的分类和识别。
算精通
61 4
Trouble..
|
8月前
|
机器学习/深度学习 算法
Keyphrase Extraction Using Deep Recurrent Neural Networks on Twitter论文解读
该论文针对Twitter网站的信息进行关键词提取，因为Twitter网站文章/对话长度受到限制，现有的方法通常效果会急剧下降。作者使用循环神经网络（recurrent neural network，RNN）来解决这一问题，相对于其他方法取得了更好的效果。
Trouble..
60 0
Trouble..
|
8月前
|
机器学习/深度学习 PyTorch 测试技术
SegNeXt: Rethinking Convolutional Attention Design for Semantic Segmentation 论文解读
我们提出了SegNeXt，一种用于语义分割的简单卷积网络架构。最近的基于transformer的模型由于在编码空间信息时self-attention的效率而主导了语义分割领域。在本文中，我们证明卷积注意力是比transformer中的self-attention更有效的编码上下文信息的方法。
Trouble..
203 0
皮卡丘敲级可爱
|
机器学习/深度学习 自然语言处理 算法
【论文泛读】 知识蒸馏：Distilling the knowledge in a neural network
【论文泛读】 知识蒸馏：Distilling the knowledge in a neural network
皮卡丘敲级可爱
730 0
【论文泛读】 知识蒸馏：Distilling the knowledge in a neural network
auqbllxiu
《Rethinking Recurrent Neural Networks》电子版地址
Rethinking Recurrent Neural Networks
auqbllxiu
45 0
《Rethinking Recurrent Neural Networks》电子版地址
游客4sqoqnfoxas4e
|
机器学习/深度学习 存储 编解码
量化理解（Google量化白皮书《Quantizing deep convolutional networks for efficient inference: A whitepaper》）
量化理解（Google量化白皮书《Quantizing deep convolutional networks for efficient inference: A whitepaper》）
游客4sqoqnfoxas4e
1582 0
量化理解（Google量化白皮书《Quantizing deep convolutional networks for efficient inference: A whitepaper》）
皮卡丘敲级可爱
|
机器学习/深度学习 存储 编解码
【论文泛读】轻量化之MobileNets: Efficient Convolutional Neural Networks for Mobile Vision Applications（上）
【论文泛读】轻量化之MobileNets: Efficient Convolutional Neural Networks for Mobile Vision Applications
皮卡丘敲级可爱
145 0
【论文泛读】轻量化之MobileNets: Efficient Convolutional Neural Networks for Mobile Vision Applications（上）
皮卡丘敲级可爱
|
机器学习/深度学习 编解码 固态存储
【论文泛读】轻量化之MobileNets: Efficient Convolutional Neural Networks for Mobile Vision Applications（下）
【论文泛读】轻量化之MobileNets: Efficient Convolutional Neural Networks for Mobile Vision Applications（下）
皮卡丘敲级可爱
148 0
【论文泛读】轻量化之MobileNets: Efficient Convolutional Neural Networks for Mobile Vision Applications（下）
诸神缄默不语
|
机器学习/深度学习
Re22：读论文 HetSANN An Attention-based Graph Neural Network for Heterogeneous Structural Learning
Re22：读论文 HetSANN An Attention-based Graph Neural Network for Heterogeneous Structural Learning
诸神缄默不语
143 0
Re22：读论文 HetSANN An Attention-based Graph Neural Network for Heterogeneous Structural Learning