摘要：
看了一些论文的代码，个人感觉 GATE 的代码相对容易读懂一点。本文简单解读一下 GATE 的代码，帮助自己加深理解。为了简洁起见，本文只介绍 inductive 部分，transductive 部分变化不大，不作赘述。由于我是一个 python 和 tensorflow 的小白，本文有些位置会出现 阅读全文
摘要：
本文包括了 GCN，GAT 及基于这些模型的 AE 来获取 embedding 和 进行 clustering 相关论文。着重介绍其方法、框架、训练流程、效果。 名称 会议/期刊 时间 Variational Graph Auto-Encoders NIPS 2016 Adversarially R 阅读全文
摘要：
原文链接：http://www.gwylab.com/note-vae.html 讲的真的很好。理解VAE原理需要很多概率论相关的知识。这篇文章以VAE的构成顺序出发解释了各个部分需要用到的数学知识。 阅读全文
摘要：
第一次周报 阅读全文
摘要：
1. GRAPH ATTENTION NETWORKS | 2018.2.4 图上节点间注意力机制，计算量是 $O(n^2)$的。博文：https://zhuanlan.zhihu.com/p/81350196 2. HGNN | 2019.2.23 HGNN 是一种基于谱域的超图学习方法。该方法首 阅读全文
摘要：
https://blog.csdn.net/wzyaiwl/article/details/106310705 阅读全文
摘要：
cvxpy 优化模型示例代码 线性规划 如果线性规划的最优解存在，则最优解只能在可行域的边界上达到（特别是在可行域的顶点上达到） import cvxpy as cp import numpy as np import pandas as pd from matplotlib import pypl 阅读全文
摘要：
0. 概述 Cora 数据集由机器学习论文组成，是近年来图深度学习很喜欢使用的数据集。在数据集中，论文被分为以下七类之一： 基于案例 遗传算法 神经网络 概率方法 强化学习 规则学习 理论 论文的选择方式是，在最终语料库中，每篇论文至少引用一篇论文或被至少一篇论文引用（即至少有一条出边或至少有一条入 阅读全文
摘要：
0. 前言 图，如社交网络、单词共存网络、通信网络，广泛存在于各种现实应用中。通过对图的分析，我们可以深入了解社会结构、语言和不同交流模式，因此图一直是学界研究的重点。 1. 图分析任务的分类 图分析任务可以大致抽象为以下4类： 节点分类 基于其他标记的节点和网络拓扑结构来确定点的标签（label） 阅读全文