01 2025 档案

同时下载数据

摘要：如果你希望直接为每条数据并行地下载，而不需要按顺序逐个下载，可以通过引入并行处理来提高效率。Python 提供了几种方法来实现并行，包括使用 concurrent.futures 模块、multiprocessing 模块或 asyncio 等。使用 concurrent.futures 模块 c 阅读全文

posted @ 2025-01-24 23:43 GraphL 阅读(13) 评论(0) 推荐(0) 编辑

Diffusion

摘要：所以我可以理解成这里其实是计算一条轨迹每个点都要用来预测噪声？是的，你的理解是正确的。在这个公式中： \( \min_\theta \mathcal{L}(\theta) = \min_\theta \mathbb{E}_{c,t,x_0 \sim q(x), \epsilon \sim \ma 阅读全文

posted @ 2025-01-07 01:30 GraphL 阅读(55) 评论(0) 推荐(0) 编辑

PPO算法

摘要：PPO（Proximal Policy Optimization，近端策略优化）是一种策略梯度方法，广泛应用于强化学习任务中，以训练智能体在复杂环境中做出最优决策。PPO算法的核心目标是通过优化策略，使得智能体的行为逐渐朝向最大化奖励的方向发展，同时保持策略更新的稳定性和效率。 1. PPO算法的基阅读全文

posted @ 2025-01-06 13:27 GraphL 阅读(524) 评论(0) 推荐(0) 编辑

DGI新场景, 新任务

摘要：在链路预测任务上，可以通过引入不同的技术和数据增强策略，生成更具挑战性和创新性的子任务。以下是一些特殊处理方法及新任务示例： 1. 多跳链路预测任务描述：预测间接关系（如药物-蛋白-疾病路径）上的潜在交互。应用场景：药物通过蛋白质间接作用于疾病，预测潜在药物-疾病关系。预测药物和疾病通过共同阅读全文

posted @ 2025-01-02 08:28 GraphL 阅读(35) 评论(0) 推荐(0) 编辑

多尺度计算3

摘要：分成四个阶段第一个阶段，是pretrain。先学习mean和variance的生成，一条轨迹会生成两个平均值和方差（分别表示时间和空间的）。然后输入到解码器中解码，两个lstm.一个用于重构时间，一个是用于重构路段第二个阶段，是生成Gaussian model。计算sample轨迹的mean和v 阅读全文

posted @ 2025-01-02 01:16 GraphL 阅读(13) 评论(0) 推荐(0) 编辑

多尺度计算

摘要：完整过程 Let me explain the technical details of route inference and anomaly detection based on the paper: Route Inference Technical Details: Single-scale 阅读全文

posted @ 2025-01-01 19:11 GraphL 阅读(34) 评论(0) 推荐(0) 编辑