awesome gcn

هذا المستودع هو جمع موارد GCN ، GAT (انتباه الرسم البياني).

مستودعات جيثب:

ينفذ:

1. TKIPF/GCN ، تنفيذ الشبكات التلافيفية الرسم البياني في TensorFlow ،

2. TKIPF/KERAS-GCN ، تنفيذ Keras للشبكات التلافيفية الرسم البياني ،

3. OCECHAIN/GCN ، الشبكات التلافيفية الرسم البياني ،

4. Petarv-/GAT ، شبكات انتباه الرسم البياني (https://arxiv.org/abs/1710.10903) ،

5. Diego99/Pygat ، Pytorch تطبيق نموذج شبكة انتباه الرسم البياني بواسطة Veličković et. AL (2017 ، https://arxiv.org/abs/1710.10903) ،

6. MP2893/GRAM ، نموذج الانتباه القائم على الرسم البياني ،

7. Danielegrattarola/Keras-Gat ، تنفيذ Keras لشبكات انتباه الرسم البياني (GAT) بواسطة Veličković et al. (2017 ؛ https://arxiv.org/abs/1710.10903) ،

8. Luckick/EAGCN ، تنفيذ شبكات "الرسم البياني متعدد العلائقي القائم على الاهتمام

تحسين GCN:

1. Lightaime/Deep_GCNS ، repo لـ "هل يمكن أن تصل GCNs إلى عمق CNNs؟" ،

مثال والبرنامج التعليمي:

1. DBUSBRIDGE/GCN_TUTORIOR ، برنامج تعليمي على الشبكات العصبية التلافيفية الرسم البياني ،

رسم بياني للمعرفة:

1. TKIPF/Relational-GCN ، التنفيذ القائم على Keras للشبكات "الرسم البياني" العلائقي الشبكات "

2. 1049451037/GCN-align ، رمز الورقة: محاذاة الرسم البياني للمعرفة عبر اللغات عبر شبكات "الرسم البياني".

3. Michschli/Relationsprediction ، تنفيذ R-GCNs للتنبؤ بالعلاقة العلائقية

4. Xiangwang1223/Knowledge_graph_attention_network ، KGAT: شبكة انتباه الرسم البياني للمعرفة للتوصية ، KDD2019 ،

5. Deepakn97/Relationsprediction ، ACL 2019: تعلم التضمينات القائمة على الانتباه للتنبؤ بالعلاقة في الرسوم البيانية المعرفة ،

استخراج العلاقة:

1. أشجار Qipeng/GCN-Over-printed ، تلحق الرسم البياني على أشجار التبعية المتقدمة يحسن استخراج العلاقة (تنفيذ المؤلفين pytorch) ،

2. Malllabiisc/readide ، EMNLP 2018: الإقامة: تحسين استخراج العلاقة العصبية الخاضعة للإشراف بشكل بعيد باستخدام المعلومات الجانبية ،

3. Cartus/Aggcn_tacred ، الشبكات التلافيفية الرسم البياني الموجهة الانتباه لاستخراج العلاقة (تنفيذ Pytorch للمؤلفين لورقة ACL19) ،

تصنيف النص:

1. YAO8839836/text_gcn ، الشبكات التلافيفية الرسم البياني لتصنيف النص. AAAI 2019 ،

2. Yuanluo/text_gcn_tutorial ، يعتمد هذا البرنامج التعليمي (قيد التطوير حاليًا) على تنفيذ النص GCN في ورقتنا: Liang Yao ، Chengsheng Mao ، Yuan Luo. "الرسم البياني الشبكات التلافيفية لتصنيف النص." في مؤتمر AAAI 33 حول الذكاء الاصطناعي (AAAI-19) ،

3. PLKMO/BIBLE_TEXT_GCN ، شبكة إتلاف الرسم البياني المستند إلى النص ،

4. IAMJAGDEESH/GAPE-NEWS ، كاشف الأخبار المزيفة استنادًا إلى المحتوى والمستخدمين المرتبطين به باستخدام شبكات انتباه BERT و GRAPH (GAT). ،

تضمين الكلمات:

3. Malllabiisc/WordGCN ، ACL 2019: دمج المعلومات النحوية والدلالية في تضمينات الكلمات باستخدام الشبكات التنازلية الرسم البياني ،

ner:

1. Counstscout/GCN_NER ، الشبكة العصبية "الرسم البياني" المسمى التعرف على الكيان ،

QA:

1. Berc-Uoft/Transformer-GCN-QA ، وهي بنية Q/A متعددة القوارب تعتمد على المحولات و GCNs ،

القرار الأساسي:

1. Ianycxu/rgcn-with-bert ، الشبكات التلافيفية الرسم البياني (GCN) مع BERT لمهمة قرار الأساسي [Pytorch] [DGL] ،

توصية:

1. Peijiesun/Diffnet ، يتم إصدار هذا الرمز للورقة: Le Wu ، Peijie Sun ، Yanjie Fu ، Richang Hong ، Xiting Wang and Meng Wang. نموذج نشر التأثير العصبي للتوصية الاجتماعية. قبلت SIGIR2019.

التعرف على العمل القائم على الهيكل العظمي:

1. Yysijie/ST-GCN ، الشبكات التلافيفية الرسم البياني المكاني (ST-GCN) للتعرف على العمل القائم على الهيكل العظمي في Pytorch

اكتشاف الشذوذ:

1. JX-Zhong-for-Academic-Guphing/GCN-ANOMALY-DELECTION ، العنصر النائب لرموز المصدر في CVPR 2019: نظافة ضوضاء الملصقات التنااضية الرسم البياني: تدريب مصنف عمل توصيل وتشغيل لاكتشاف الشذوذ.

2. Kaize0409/GCN_ANOMALYDETECENCE ، رمز لاكتشاف الشذوذ العميق على الشبكات المنسوبة (SDM2019).

تجميع الوجه:

1. Zhongdao/GCN_Clustering ، رمز لـ CVPR'19 على تجميع الوجه القائم على ربط الورق عبر GCN ،

2. YL-1993/Learn-to-Cluster ، تعلم الوجوه العنقودية على رسم بياني تقارب (CVPR 2019) ،

التعرف على السمة:

2. 2014Gaokao/المشاة-إعادة التعرف على الجوز-GCN ، GCN للتعرف على سمة المشاة في سيناريوهات المراقبة ،

بحث الشخص:

1. SJTUZQ/Person_Search_GCN ، يستضيف هذا المستودع الرمز الخاص بورقة "الرسم البياني لسياق التعلم للبحث عن الشخص" ، CVPR2019 عن طريق الفم ،

تجزئة الصور:

1. Fidler-Lab/Curve-GCN ، رمز Pytorch الرسمي لـ Curve-GCN (CVPR 2019) ،

تصنيف الصور:

1. Chenzhaomin123/ML_GCN ، تنفيذ Pytorch للتعرف على الصور متعددة العطلة مع شبكات "الرسم البياني" ، CVPR 2019 ،

2. تصنيف الصور القائم على الرسم البياني/الرسم البياني ، وتنفيذ شبكات تلغيرات الرسم البياني المستوي في TensorFlow ،

3. Avirambh/MSDNET-GCN ، ICLR 2018 تحدي استنساخ-شبكات تلغيرات كثيفة متعددة النطاق للتنبؤ الفعال ،

4. Judyye/Zero-Shot-GCN ، التعلم الصفري مع GCN (CVPR 2018) ،

جيل الرسم البياني للمشهد:

1. nvidia/conversivelosses4vrd ، تنفيذ ورقة CVPR2019 "خسائر تباين رسومية لتوليد الرسم البياني للمشهد" ،

2. Yuweihao/Kern ، رمز لشبكة التوجيه المزعومة للمعرفة لتوليد الرسم البياني للمشهد (CVPR 2019) ،

3. SHIJX12/XNM-NET ، تنفيذ Pytorch لـ "التفكير المرئي القابل للتفسير والصريح على الرسوم البيانية للمشهد" ،

4. jiayan97/linknet-pytorch ، إعادة تخطيط Pytorch من LinkNet لتوليد الرسم البياني للمشهد ،

5. Uehwan/3D-Scene-Graph ، مولد رسم بياني ثلاثي الأبعاد تم تنفيذه في Pytorch. ،

6. Kenneth-Wong/Scenegraph_mem ، رموز CVPR 2019: استكشاف السياق والنمط المرئي للعلاقة لتوليد الرسم البياني للمشهد ، Wenbin Wang ، Ruiping Wang ، Shiguang Shan ، Xilin Chen ، CVPR 2019. ، ، ، ، ،

7. Danfeix/Scene-Graph-TF-Rlease ، "Graph Graph Generation by Tertative Message" مرور "مستودع الكود" http://cs.stanford.edu/~danfei/Scene-

8. Google/SG2IM ، رمز "توليد الصور من الرسوم البيانية للمشهد" ، جونسون وآخرون ، CVPR 2018 ،

9. Rowanz/Neural-Motifs ، رمز للزخارف العصبية: تحليل الرسم البياني للمشهد مع السياق العالمي (CVPR 2018) https://rowanzellers.com/neuralmotifs ،

10. Jwyang/Graph-rcnn.pytorch ، رمز Pytorch لورقة ECCV 2018 "Graph R-CNN لتوليد الرسم البياني للمشهد" والأوراق الأخرى ،

11. Yikang-Li/Factorizablenet ، Net Factorizable (إصدار متعدد GPU): إطار فعال يعتمد على الرسم البياني لتوليد الرسم البياني للمشهد ،

تدفق حركة المرور:

1. Lehaifeng/T-GCN ، الشبكة التلافيفية الرسم البياني الزمني لطريقة التنبؤ بتدفق حركة المرور الحضرية

2. Franceszhou/gcntrafficprediction ،

3. Davidham3/ASTGCN ، الشبكات التنازلية الرسم البياني المكاني والزماني القائم على الانتباه لتنبؤات تدفق حركة المرور (ASTGCN) AAAI 2019 ،

التنبؤ بالأمراض:

2. Parisots/Lucial GCN ، الرسم البياني CNNs للرسوم البيانية السكانية: تصنيف مجموعة بيانات Abide ،

التنبؤ بالمسار:

1. Zhenye-NA/GCN-SPP ، أقصر تنبؤ بالمسار باستخدام شبكات تلافيفية الرسم البياني ،

2. Raphaelavalos/Hound_tsp_graph_net ، يحل تنفيذ الانتباه TSP ، تقريبًا (W. Kool et al.) مع مكتبة Nets DeepMind ،

3D Point Cloud:

1. maggie0106/graph-cnn-in-3d-point-classification ، رمز للرسم البياني cnn لتصنيف السحابة ثلاثية الأبعاد (ICASSP 2018) ،

2. jiexiong2016/gcnv2_slam ، نظام البطولات الاربع في الوقت الحقيقي مع ميزات عميقة ،

رسم بياني للتسلسل:

1. Wngzhiqi/Graph2Seq-Graph-to-Ther-the-tefern-the-extenential-networks ، هذا الريبو هو مشروع 11785 (التعلم العميق) في CMU. نحن نستنسخ ورقة تسمى "Graph2Seq: Graph to Sequence Learning مع الشبكات العصبية المستندة إلى الانتباه" (https://arxiv.org/pdf/1804.00823.pdf). عضو الفريق: Zhiqi Wang ، Ziyin Huang ، Hong Du ، Zhengkai Zhang ،

2. SYXU828/GRATE2SEQ-0.1 ، هذا هو رمز الورق "Graph2Seq: Graph to Sequence Learning مع شبكات عصبية قائمة على الاهتمام" ،

التنبؤ بالاستقرار الكيميائي:

1. mingcpu/deepchemstable ، deepchemstable: التنبؤ بالاستقرار الكيميائي باستخدام شبكة إتلاف الرسم البياني القائم على الانتباه ،