论文解读(Geom)中,如何深入探讨其地质学原理?

2026-05-27 18:050阅读0评论SEO基础
  • 内容介绍
  • 文章标签
  • 相关推荐

本文共计2918个文字,预计阅读时间需要12分钟。

论文解读(Geom)中,如何深入探讨其地质学原理?

:Geom-GCN:几何图卷积网络

作者:Pei Hongbin, Wei Bingzhen, K. Chang, Lei Yu, Yang Bo

来源:2020年,ICLR论文

下载代码:下载

摘要:MPNN存在的问题:即丢失了节点信息。

Paper Information

Title:Geom-GCN: Geometric Graph Convolutional Networks
Authors:Hongbin Pei, Bingzhen Wei, K. Chang, Yu Lei, Bo Yang
Sources:2020, ICLR
Paper:Download
Code:Download

Abstract

  MPNN 存在的问题:即丢失了节点与其邻居间的结构信息和无法捕获节点之间的长距离依赖关系。

  本文模型:Geom-GCN: Geometric Graph Convolutional Networks

  其中 Aggregation scheme 有三个 modules :node embedding、structural neighborhood、bi-level aggregation 。

1 Intriduction

  在每一层 MPNN 中,每个节点向其邻域内的节点发送其特征表示,即一条“消息”;然后通过聚合从邻域收到的所有“消息”来更新其特征表示。

  MPNNs 的 Aggregator 存在的问题一:Aggregator 丢失了节点与其邻居间的结构信息。

阅读全文

本文共计2918个文字,预计阅读时间需要12分钟。

论文解读(Geom)中,如何深入探讨其地质学原理?

:Geom-GCN:几何图卷积网络

作者:Pei Hongbin, Wei Bingzhen, K. Chang, Lei Yu, Yang Bo

来源:2020年,ICLR论文

下载代码:下载

摘要:MPNN存在的问题:即丢失了节点信息。

Paper Information

Title:Geom-GCN: Geometric Graph Convolutional Networks
Authors:Hongbin Pei, Bingzhen Wei, K. Chang, Yu Lei, Bo Yang
Sources:2020, ICLR
Paper:Download
Code:Download

Abstract

  MPNN 存在的问题:即丢失了节点与其邻居间的结构信息和无法捕获节点之间的长距离依赖关系。

  本文模型:Geom-GCN: Geometric Graph Convolutional Networks

  其中 Aggregation scheme 有三个 modules :node embedding、structural neighborhood、bi-level aggregation 。

1 Intriduction

  在每一层 MPNN 中,每个节点向其邻域内的节点发送其特征表示,即一条“消息”;然后通过聚合从邻域收到的所有“消息”来更新其特征表示。

  MPNNs 的 Aggregator 存在的问题一:Aggregator 丢失了节点与其邻居间的结构信息。

阅读全文