该文被密码保护。 阅读全文
摘要：
蒙特卡罗-判断矩阵互逆 题目描述 给定 \(2\) 个 $n×n$矩阵 \(A\) 和 \(B\), 试设计一个判定 \(A\) 和 \(B\) 是否互逆的蒙特卡罗算法, 算法的计算时间应为 \(O(n^2)\). 设计一个蒙特卡罗算法, 对于给定的矩阵 \(A\) 和 \(B\), 判定其是否互逆 阅读全文
该文被密码保护。 阅读全文
该文被密码保护。 阅读全文
该文被密码保护。 阅读全文
该文被密码保护。 阅读全文
摘要：
动机 图神经网络使用邻域据级作为核心, 导致邻居节点之间的特征平滑, 虽然在个预测任务中取得成功, 但这种凡是无法扑获远距离节点的相似性, 而对于扑获远距离相似性对于高质量的学习非常重要. GNN 的假设是相似的节点应该有连接并且他们属于同一类的, 通过邻域据级进行局部特征平滑, 这些模型倾向于生成 阅读全文
摘要：
动机 当图存在噪声的时候, 图注意力网络不总是有效的 贡献 提出了两种 GAT 的改进 并且结合边预测的节点作为自监督训练的任务进行训练 技术 符号 对于一个图 \(\mathcal{G}(V,E)\), \(N\) 是节点的数量, \(F^l\) 是第 \(l\) 层的特征, 图注意力层就是将一个 阅读全文
摘要：
动机 图数据于图像或者文本数据不同, 图像或者文本时属于欧式数据且都是服从独立同分布; 而对于图数据而言, 它是非欧式数据, 并且图中的节点相互连接表示着他们独立同分布的 贡献 探究了图上的自监督任务, 具体来说, 图有多种潜在的代理任务; 因此, 了解 SSL 在什么时候和为什么适用于 GNN, 阅读全文
摘要：
动机 在当前的主流的图神经网络中过度依赖边的连接, 导致产生了假死问题, 过平滑问题和图的内在互联行阻止了图的并行化. 贡献 提出了一种新的图训练模型 Graph-BERT, 该模型表示学习不依赖于图的连接所以有效的解决假死问题, 当然该模型训练会采样无连接子图(目标节点以及它的上下文), 比现有的 阅读全文