Simplifying Graph Convolutional Networks论文笔记

简介: Simplifying Graph Convolutional Networks论文笔记

GCN的单次特征传播,可以看作是对自身特征和邻居特征的加权平均,权重为结点度数。在第k次传播,结点i的隐层表示更新如下:

图片.png

如此的特征传播实际上是在做特征的平滑,使得相邻的节点有更相似的特征表示,与之后的低通滤波器对应。

1710299898787.png

SGC认为GCN的很多非线性部分是不必要的,简化模型为

1710299986694.png



目录
打赏
0
0
0
0
1
分享
相关文章
【博士每天一篇文-算法】Graph Structure of Neural Networks
本文介绍了尤家轩在2020年发表于国际机器学习会议上的研究,该研究探讨了神经网络的图结构与预测性能之间的关系,并提出了一种新的关系图表示方法,揭示了神经网络性能与图聚类系数和平均路径长度的函数关系,同时发现最优神经网络图结构与生物神经网络相似。
45 2
【博士每天一篇文-算法】Graph Structure of Neural Networks
[Highway]论文实现:Highway Networks
[Highway]论文实现:Highway Networks
55 2
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。
142 0
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。
486 0
【推荐系统论文精读系列】(十五)--Examples-Rules Guided Deep Neural Network for Makeup Recommendation
在本文中,我们考虑了一个全自动补妆推荐系统,并提出了一种新的例子-规则引导的深度神经网络方法。该框架由三个阶段组成。首先,将与化妆相关的面部特征进行结构化编码。其次,这些面部特征被输入到示例中——规则引导的深度神经推荐模型,该模型将Before-After图像和化妆师知识两两结合使用。
218 0
【推荐系统论文精读系列】(十五)--Examples-Rules Guided Deep Neural Network for Makeup Recommendation

热门文章

最新文章

AI助理

你好,我是AI助理

可以解答问题、推荐解决方案等