论文阅读笔记《DPGN: Distribution Propagation Graph Network for Few-shot Learning》
核心思想 本文提出一种基于图神经网络的小样本学习算法（DPGN）。先前基于图神经网络的小样本算法通常将每个样本当作一个结点，然后通过结点之间的关系，来推导出未知结点的类别。本文不仅关心样本与样本之间的关系，而且关注样本的分布之间的关系。本文提出了一个双图神经网络模型，一个图用于描述样本（PG），一个图用于描述分布（DG）。PG通过聚合每个样本和其他所有样本之间的关系来得到DG，DG又利用每对样
相关文章
- 1. 论文阅读笔记《Edge-Labeling Graph Neural Network for Few-shot Learning》
- 2. 论文阅读笔记《Learning to propagate labels: Transductive propagation network for few-shot learning》
- 3. 论文阅读笔记《Distribution Consistency Based Covariance Metric Networks for Few-Shot Learning》
- 4. 论文阅读笔记《Learning to Compare: Relation Network for Few-Shot Learning》
- 5. 《Graph Attention Network》阅读笔记
- 6. 【论文阅读】Learning Deconvolution Network for Semantic Segmentation
- 7. Machine Learning & Deep Learning 论文阅读笔记
- 8. 粗读CVPR2019论文 Edge-Labeling Graph Neural Network for Few-shot Learning
- 9. Representation Learning for Attributed Multiplex Heterogeneous Network 论文阅读笔记
- 10. 论文《Learning both Weights and Connections for Efficient Neural Network》阅读笔记
- 更多相关文章...
- • RSS 阅读器 - RSS 教程
- • PHP 实例 - AJAX RSS 阅读器 - PHP教程
- • Tomcat学习笔记（史上最全tomcat学习笔记）
- • JDK13 GA发布：5大特性解读
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. 论文阅读笔记《Edge-Labeling Graph Neural Network for Few-shot Learning》
- 2. 论文阅读笔记《Learning to propagate labels: Transductive propagation network for few-shot learning》
- 3. 论文阅读笔记《Distribution Consistency Based Covariance Metric Networks for Few-Shot Learning》
- 4. 论文阅读笔记《Learning to Compare: Relation Network for Few-Shot Learning》
- 5. 《Graph Attention Network》阅读笔记
- 6. 【论文阅读】Learning Deconvolution Network for Semantic Segmentation
- 7. Machine Learning & Deep Learning 论文阅读笔记
- 8. 粗读CVPR2019论文 Edge-Labeling Graph Neural Network for Few-shot Learning
- 9. Representation Learning for Attributed Multiplex Heterogeneous Network 论文阅读笔记
- 10. 论文《Learning both Weights and Connections for Efficient Neural Network》阅读笔记