论文总结(一)：用于图数据增强的图对比学习 2020[NIPS] Graph Contrastive Learning with Augmentations
目录 Abstract Introduction 研究意义与难点 贡献 概念补充 Method 图的数据增强 图对比学习GraphCL Discussion 图对比学习中数据增强扮演的角色 有效图扩充的类型、范围和模式 Comparsion Conclusion Broader Impact Abstract 对图结构化数据的通用性，可传递性和鲁棒性表示学习仍然是当前图神经网络（GNN）面临的
相关文章
- 1. Improved Baselines with Momentum Contrastive Learning
- 2. Representation Learning with Contrastive Predictive Coding
- 3. 论文阅读：Representation Learning with Contrastive Predictive Coding
- 4. 论文笔记：Representation Learning with Contrastive Predictive Coding
- 5. 自监督学习（十八）Contrastive Learning with Stronger Argumetations
- 6. 论文5分钟 | supervised contrastive learning
- 7. 基于深度学习的图像去噪（论文总结）
- 8. FEW-SHOT LEARNING WITH GRAPH NEURAL NETWORK
- 9. 【每周CV论文】初学深度学习图像对比度增强应该要读的文章
- 10. 一篇暗图像增强的深度学习论文
- 更多相关文章...
- • XML 总结 下一步学习什么呢？ - XML 教程
- • R 绘图 - 饼图 - R 语言教程
- • 适用于PHP初学者的学习线路和建议
- • Kotlin学习（一）基本语法
相关标签/搜索
每日一句
-
每一个你不满意的现在，都有一个你没有努力的曾经。
欢迎关注本站公众号,获取更多信息
相关文章
- 1. Improved Baselines with Momentum Contrastive Learning
- 2. Representation Learning with Contrastive Predictive Coding
- 3. 论文阅读：Representation Learning with Contrastive Predictive Coding
- 4. 论文笔记：Representation Learning with Contrastive Predictive Coding
- 5. 自监督学习（十八）Contrastive Learning with Stronger Argumetations
- 6. 论文5分钟 | supervised contrastive learning
- 7. 基于深度学习的图像去噪（论文总结）
- 8. FEW-SHOT LEARNING WITH GRAPH NEURAL NETWORK
- 9. 【每周CV论文】初学深度学习图像对比度增强应该要读的文章
- 10. 一篇暗图像增强的深度学习论文