popobobo

摘要： AC自动机 - AcWing 1282 - 搜索关键词 #include <bits/stdc++.h> #define maxn 510000 using namespace std; int t,n,cnt; int trie[maxn][26]; int fail[maxn]; int wor 阅读全文

摘要： Splay - AcWing 950 - 郁闷的出纳员 之前做过这道题目，当时是用权值线段树做的。本题还可以用splay做，splay用于维护一些区间问题。这是第一道凭个人记忆打出的splay模板，可以说对于splay有一个基本的理解了。 #include <bits/stdc++.h> using 阅读全文

摘要： 原文 阅读全文

摘要： Semi-supervised Learning 1. What is Semi-supervised Learning Supervised Learning labeled data:\(\{(x^r,\hat{y}^r\}_{r=1}^R\) E.g: image,\(\hat{y}^r\): 阅读全文

摘要： 超图神经网络(Hypergraph Neural Nerworks,HGNN) 1. 超图学习(Hypergraph Learning) 在本节中我们简单回顾超图的定义及常见性质。 1.1 什么是超图 超图与常见的简单图不同。对于一个简单图，其每条边均与两个顶点相关联，即每条边的度都被限制为2。而超 阅读全文

摘要： GNN：权重依靠认为设定或学习得到 GCN：依赖于图结构决定更新权重。\(H^{(l+1)}=\sigma{(\hat{D}^{-\frac{1}{2}} \hat{A}\hat{D}^{-\frac{1}{2}} H^{(l)} W^{(l)})}\) GAT：GAT是对于GCN在邻居权重分配问题 阅读全文

摘要： 超图（Hypergraph）是什么 原文链接:超图（Hypergraph）是什么 简单的来说，对于我们熟悉的图而言，它的一个边（edge）只能和****两个**顶点连接；而对于超图来讲，人们定义它的边（这里叫超边，hyperedge）可以和任意个数**的顶点连接。一个图和超图的示意图如下所示： 而对 阅读全文

摘要： 图注意力网络-Graph Attention Network (GAT) **GAT(graph attention networks)**网络，处理的是图结构数据。它与先前方法不同的是，它使用了masked self-attention层。原来的图卷积网络所存在的问题需要使用预先构建好的图。而在本 阅读全文

摘要： 【转】GCN入门 转自：阿泽：【GNN】万字长文带你入门 GCN 这篇文章很好的介绍了： 时域、空域、频域；频域的优势 傅立叶级数、连续傅立叶变换；傅立叶变换应用 拉普拉斯算子、图拉普阿斯矩阵、拉普拉斯谱分解 图上傅立叶变换 图卷积 初代GCN 本博客记录了本人对于该文的一点理解，仅供自己学习GNN 阅读全文

摘要： 论文笔记 - Semi-supervised Classification with Graph Convolutional Networks 1.摘要 我们提出了一种基于图的结构数据的半监督学习的可扩展方法，该方法基于卷积神经网络的有效变体，而该变体直接在图上运行。我们通过频谱图卷积的局部一阶逼近 阅读全文