7 | Spatial-based GNN/convolution模型之GrapySAGE

GrapySAGE

这个模型的aggregation是用的LSTM

是把邻居的feature喂到一个LSTM里面，然后最后把其hidden state当作output，用来update，

LSTM处理的是sequential data，但grapy中的一个node的邻居没有顺序可言，所以用LSTM做的时候，LSTM就会从所有邻居node中随便sample 出一个顺序，每次update都会sample出不同的顺序，所以最后就可能学到“忽略顺序的影响”，最后可以学到一个比较好的representation。但用LSTM的performance不一定会特别好。

7 | Spatial-based GNN/convolution模型之GrapySAGE相关推荐

3 | Spatial-based GNN/convolution模型之 NN4G
NN4G(Neural Network for Grapy) 本文介绍属于的Spatial-based GNN/convolution类型的NN4G模型输入层先embedding Aggregati ...
6 | Spatial-based GNN/convolution模型之MoNET
MoNET (Mixture Model Networks) 这个GNN模型MoNET就考虑到了邻居节点的重要的不同.这里在做aggregation的时候来定义个权重来代替node之间的距离.(这里的 ...
8 | Spatial-based GNN/convolution模型之GAT（受欢迎）
GAT (Graph Attention Networks) 这里GAT就是不仅仅做weighted sum,而且这个weighted 还要让模型自己学,和之前的开始固定好的. 这里aggregati ...
5 | Spatial-based GNN/convolution模型之DGC
DGC (Diffusion Graph Convolution) 其和DGCC很像,DGCC是用concate把很多层连在一起,DGC是之间add加在一起.
9 | Spatial-based GNN/convolution模型之GIN
GIN (Graph Isomorphism Network) 上面图的红色字说mean pooling分辨不出来,其实是mean pooling和max pooling都分辨不出,具体的其他内容看图 ...
attention机制中的注意力图怎么画_注意力机制 | 图卷积多跳注意力机制 | Direct multihop Attention based GNN...
导读:目前GNNs通过利用self-attention机制已经取得较好的效果.但目前的注意力机制都只是考虑到相连的节点,却不能利用到能提供图结构上下文信息的多跳邻居(multi-hop neighbo ...
Spatial Information Guided Convolution for Real-Time RGBD Semantic Segmentation——翻译
Title Spatial Information Guided Convolution for Real-Time RGBD Semantic Segmentation 标题空间信息引导的卷积用于 ...
2 | Spatial-based GNN/convolution 概念
这一篇介绍Spatial-based GNN/convolution. 把CNN的卷积操作generalize到GNN里,怎么弄? 卷积的操作实际上就是需要update的"地方" ...
图神经网络（GNN）模型原理及应用综述
从数据结构到算法:图网络方法初探论文<Graph Neural Networks: A Review of Methods and Applications> 木牛马论文阅读笔记http ...

7 | Spatial-based GNN/convolution模型之GrapySAGE

GrapySAGE

7 | Spatial-based GNN/convolution模型之GrapySAGE相关推荐

最新文章

热门文章