Geometric deep learning on graphs and manifolds using mixture model CNNs
Monti, Federico, et al. "Geometric deep learning on graphs and manifolds using mixture model CNNs." arXiv preprint arXiv:1611.08402 (2016).
摘要:作者提出课一个统一的框架,这个框架能把传统CNN泛化到非欧空间上。作者还说以前的一些工作是他们这个工作的特例。作者在图片,图结构数据和3D形状分析上都取得了最好的成绩。
1.介绍
1.1 相关工作
1.2 主要贡献
2.图上的深度学习
3.流形上的深度学习
4.主要方法
5.实验结果
5.1 图片
5.2 图结构数据
5.3 流形
6.结论
相关论文:
Semi-Supervised Classification with Graph Convolutional Networks
Convolutional Neural Networks on Graphs with Fast Localized Spectral Filtering
黄世宇/Shiyu Huang's Personal Page:https://huangshiyu13.github.io/
【推荐】国内首个AI IDE,深度理解中文开发场景,立即下载体验Trae
【推荐】编程新体验,更懂你的AI,立即体验豆包MarsCode编程助手
【推荐】抖音旗下AI助手豆包,你的智能百科全书,全免费不限次数
【推荐】轻量又高性能的 SSH 工具 IShell:AI 加持,快人一步
· 开发者必知的日志记录最佳实践
· SQL Server 2025 AI相关能力初探
· Linux系列:如何用 C#调用 C方法造成内存泄露
· AI与.NET技术实操系列(二):开始使用ML.NET
· 记一次.NET内存居高不下排查解决与启示
· 阿里最新开源QwQ-32B,效果媲美deepseek-r1满血版,部署成本又又又降低了!
· 开源Multi-agent AI智能体框架aevatar.ai,欢迎大家贡献代码
· Manus重磅发布:全球首款通用AI代理技术深度解析与实战指南
· 被坑几百块钱后,我竟然真的恢复了删除的微信聊天记录!
· 没有Manus邀请码?试试免邀请码的MGX或者开源的OpenManus吧