Adaptive Graph Encoder for Attributed Graph Embedding 阅读笔记
我的博客链接 0. 总览 0.1 文章是关于什么的？（what？） 图卷积网络，属性图嵌入，自适应学习，拉布拉斯平滑 0.2 要解决什么问题？（why？|challenge） 已经存在的GCN-based 模型有三个主要缺陷： 作者实验显示图卷积网络的滤波器和权重矩阵的纠缠会损害性能和鲁棒性。 作者表明在这些方法中的图卷积滤波器是广义拉普拉斯平滑滤波器的特例，但它们并没有保留最佳的低通特性。 现有
相关文章
- 1. 论文笔记：2019[IJCAI]Attributed Graph Clustering via Adaptive Graph Convolution
- 2. Graph Convolutional Networks for Text Classification阅读笔记
- 3. NASE Learning Knowledge Graph Embedding for Link Prediction via Neural Architecture Search 阅读笔记
- 4. 论文笔记：Adversarially Regularized Graph Autoencoder for Graph Embedding
- 5. Graph Embedding学习笔记（3）：Graph Convolution Networks
- 6. DEEP GRAPH INFOMAX 阅读笔记
- 7. 《Graph Attention Network》阅读笔记
- 8. 论文笔记：Attributed Graph Clustering: A Deep Attentional Embedding Approach
- 9. Graph Represent Learning(也叫Graph Embedding)
- 10. [Graph Embedding] node2vec 论文笔记
- 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. 论文笔记：2019[IJCAI]Attributed Graph Clustering via Adaptive Graph Convolution
- 2. Graph Convolutional Networks for Text Classification阅读笔记
- 3. NASE Learning Knowledge Graph Embedding for Link Prediction via Neural Architecture Search 阅读笔记
- 4. 论文笔记：Adversarially Regularized Graph Autoencoder for Graph Embedding
- 5. Graph Embedding学习笔记（3）：Graph Convolution Networks
- 6. DEEP GRAPH INFOMAX 阅读笔记
- 7. 《Graph Attention Network》阅读笔记
- 8. 论文笔记：Attributed Graph Clustering: A Deep Attentional Embedding Approach
- 9. Graph Represent Learning(也叫Graph Embedding)
- 10. [Graph Embedding] node2vec 论文笔记