0
点赞
收藏
分享

微信扫一扫

2022年历史最全可信图神经网络论文、工具、资源等整理分享


2022年历史最全可信图神经网络论文、工具、资源等整理分享_神经网络

    图神经网络(Graph Neural Network,GNN)是指使用神经网络来学习图结构数据,提取和发掘图结构数据中的特征和模式,满足聚类、分类、预测、分割、生成等图学习任务需求的算法总称。

    GNN的历史最早可以追溯到 2005 年,Gori 等人第一次提出 GNN 概念,用 RNN 来处理无向图、有向图、标签图和循环图等。Bruna等人提出将 CNN 应用到图上,通过对卷积算子巧妙的转换,提出了图卷积网络(Graph Convolutional Netwok,GCN),并衍生了许多变体。

    除了图卷积神经网络,GNN主流算法还包括有图自编码器、图生成网络、图循环网络以及图注意力网络。

本资源整理了可信图神经网络(Graph Neural Networks)论文、工具、资源,分享给大家。

    

     资源整理自网络,下载及获取见源地址:https://github.com/Radical3-HeZhang/Awesome-Trustworthy-GNNs

目录

2022年历史最全可信图神经网络论文、工具、资源等整理分享_神经网络_02

内容截图

2022年历史最全可信图神经网络论文、工具、资源等整理分享_Graph_03

2022年历史最全可信图神经网络论文、工具、资源等整理分享_深度学习_04


举报

相关推荐

0 条评论