文章目录1 简单介绍概率测度 probability measure自助法 bootstrappingGCN面临的两个挑战解决思路（创新点）2 相关工作3 通过采样进行训练和推理定理13.1 variance reduction 方差缩减Proposition 2（命题2）定理3命题43.2 Inference 推理3.2 和GraphSAGE的对比4 实验Benchmark数据集实验细节Fast

文章目录1 相关介绍两个任务main contributions2 Neural relational modeling2.1 符号定义2.2 关系图卷积网络R-GCN2.3 Regularization 规则化basis decomposition 基函数分解dblock-diagonal decomposition 块对角分解3 节点分类4 链接预测5 实验5.1 实体分类实验Datasets

文章目录1 相关介绍背景贡献2 相关工作图卷积图池化3 Graph U-Nets3.1 Graph Pooling Layer：gPool3.2 Graph Unpooling Layer：gUnpool3.3Graph U-Nets Architecture 图U-Nets架构3.4 Graph Connectivity Augmentation via Graph Power 通过图幂操作..

文章目录1 简介安装支持四种图绘制网络图基本流程2Graph-无向图节点边属性有向图和无向图互转3 DiGraph-有向图一些精美的图例子绘制一个DNN结构图一些图论算法最短路径问题一些其他神经网络绘制工具列表参考1 简介networkx是一个用Python语言开发的图论与复杂网络建模工具，内置了常用的图与复杂网络分析算法，可以方便的进行复杂网络数据分析、仿真建模等工作。利用networ...

文章目录过大或者过小的初始化1. 所有的参数初始化为0或者相同的常数2. 随机初始化3. Batch Normalization4. Xavier限制均匀分布正态分布5. MSRA正态分布均匀分布总结及使用的概率公式神经网络模型一般依靠随机梯度下降进行模型训练和参数更新，网络的最终性能与收敛得到的最优解直接相关，而收敛结果实际上又很大程度取决于网络参数的最开始的初始化。理想的网络参数初始化使模型.

文章目录1 相关介绍DNN卷积的实现方法contributions2 DNN 卷积3 使用O(K2CHW)O(K^2CHW)O(K2CHW) 空间的patch matrix的卷积3.1 Matrix layouts3.2 Patch-minor layouts3.3 Patch-building Algoritmsim2col−scanim2col−copy−selfim2col−copy−lon

文章目录1 相关介绍2 Preliminaries标记相关工作3 MEC算法3.1 动机3.2 MEC 算法初级版本3.3 MEC 算法高级版本3.4 分析4 实验结果论文：MEC: Memory-efficient Convolution for Deep Neural Network 深度神经网络内存高效的卷积作者：Minsik Cho，Daniel Brand来源：ICML 2017...

文章目录摘要1 简介1.1 GNN简史1.2 Related surveys on graph neural networks1.3 Graph neural networks vs. network embedding1.4 Graph neural networks vs. graph kernel methods1.5 文章的创新性2 基本的图概念的定义3 GNN分类和框架3.1 GNNs分

文章目录Content[Survey papers](#content)Models[Basic Models](#content)[Graph Types](#content)[Pooling Methods](#content)AnalysisEfficiencyApplicationsPhysics[Chemistry and Biology](#content)[Knowledge Gra

文章目录摘要1 简介1.1 GNN简史1.2 Related surveys on graph neural networks1.3 Graph neural networks vs. network embedding1.4 Graph neural networks vs. graph kernel methods1.5 文章的创新性2 基本的图概念的定义3 GNN分类和框架3.1 GNNs分