graph_nets

Обучение графика

Это репо является дополнением к нашей серии блогов , объясненных: Learning Presention Graph . Следующие крупные статьи и соответствующие блоги были рассмотрены в рамках серии, и мы надеемся добавить блоги в несколько других важных работ в этой области.

Настраивать

Клонировать репозиторий GIT:

 git clone https://github.com/dsgiitr/graph_nets.git

Python 3 с Pytorch 1.3.0 являются основными требованиями. Файл requirements.txt содержит список других зависимостей. Чтобы установить все требования, запустите следующее:

pip install -r requirements.txt

1. Понимание DeepWalk

Неконтролируемый подход к онлайн -обучению, вдохновленный Word2VEC в NLP, но здесь цель состоит в том, чтобы сгенерировать встроенные узлы.

• Блог DeepWalk
• Журбуктная книжка
• Код
• Бумага -> DeepWalk: онлайн -изучение социальных представлений

2. Обзор: графические сверточные сети (GCN)

GCN опираются на идею свертки нейронных сетей, переопределяющих их для неяклидовой области данных. Они являются сверточными, потому что параметры фильтра, как правило, делятся во всех местах на графике, в отличие от типичных GNN.

• Блог GCN
• Журбуктная книжка
• Код
• Бумага -> Полуопервизированная классификация с графическими сверточными сетями

3. График шалфей (образец и заполнитель)

Предыдущие подходы являются трансдуктивными и не естественным образом обобщаются до невидимых узлов. График - это индуктивная структура, использующая информацию о функции узла для эффективного генерации встроенных узлов.

• Графический блог
• Журбуктная книжка
• Код
• Бумага -> Индуктивное представление, обучение на больших графиках

4. Chebnet: CNN на графиках с быстрой локализованной спектральной фильтрацией

Chebnet - это формулировка CNN в контексте теории спектрального графа.

• Блог Chebnet
• Журбуктная книжка
• Код
• Бумага -> сверточные нейронные сети на графиках с быстрой локализованной спектральной фильтрацией

5. Понимание сетей внимания графика

GAT может посещать функции своих районов, неявно указывая различные веса на разные узлы в районе, не требуя какой -либо дорогостоящей матрицы или в зависимости от знания структуры графа заранее.

• Гат блог
• Журбуктная книжка
• Код
• Бумага -> Графические сети внимания

Цитирование

Пожалуйста, используйте следующую запись для ссылки на блог.

 @misc{graph_nets,
  author = {A. Dagar and A. Pant and S. Gupta and S. Chandel},
  title = {graph_nets},
  year = {2020},
  publisher = {GitHub},
  journal = {GitHub repository},
  howpublished = {url{https://github.com/dsgiitr/graph_nets}},
}