会员服务
图卷积网络（简称GCN），由Thomas Kpif于2017年在论文Semi-supervised classification with graph convolutional networks中提出。它为图（graph）结构数据的处理提供了一个崭新的思路，将深度学习中常用于图像的卷积神经网络应用到图数据上。
SStaGCN: Simplified stacking based graph convolutional networks
Arxiv
0+阅读 · 12月11日
Dynamic Graph Neural Ordinary Differential Equation Network for Multi-modal Emotion Recognition in Conversation
Arxiv
0+阅读 · 12月4日
Skeleton-based Group Activity Recognition via Spatial-Temporal Panoramic Graph
Arxiv
0+阅读 · 11月29日
SuperGCN: General and Scalable Framework for GCN Training on CPU-powered Supercomputers
Arxiv
0+阅读 · 11月25日
Graph convolutional network as a fast statistical emulator for numerical ice sheet modeling
Arxiv
0+阅读 · 11月20日
Entity-Aware Self-Attention and Contextualized GCN for Enhanced Relation Extraction in Long Sentences
Arxiv
0+阅读 · 11月12日
Efficient Message Passing Architecture for GCN Training on HBM-based FPGAs with Orthogonal Topology On-Chip Networks
Arxiv
0+阅读 · 11月6日
GraphVL: Graph-Enhanced Semantic Modeling via Vision-Language Models for Generalized Class Discovery
Arxiv
0+阅读 · 11月4日
Understanding the Effect of GCN Convolutions in Regression Tasks
Arxiv
0+阅读 · 10月26日
Learning to Control the Smoothness of Graph Convolutional Network Features
Arxiv
0+阅读 · 10月18日
Graph Neural Networks for Parkinsons Disease Detection
Arxiv
0+阅读 · 9月13日
Graph Neural Networks for Parkinsons Disease Detection
Arxiv
0+阅读 · 9月16日
Graph Neural Networks for Parkinsons Disease Detection
Arxiv
0+阅读 · 9月12日
Advancing Aspect-Based Sentiment Analysis through Deep Learning Models
Arxiv
0+阅读 · 9月9日
Computer-Aided Fall Recognition Using a Three-Stream Spatial-Temporal GCN Model with Adaptive Feature Aggregation
Arxiv
0+阅读 · 8月22日
参考链接
父主题
网络表示学习
图深度学习
图神经网络
微信扫码咨询专知VIP会员
Top