在本章中,我们将关注更复杂的编码器模型。我们将介绍图神经网络(GNN)的形式,它是定义图数据上的深度神经网络的一般框架。关键思想是,我们想要生成实际上依赖于图结构的节点的表示,以及我们可能拥有的任何特征信息。在开发复杂的图结构数据编码器的主要挑战是,我们通常的深度学习工具箱不适用。例如,卷积神经网络(CNNs)只在网格结构的输入(如图像)上定义良好,而递归神经网络(RNNs)只在序列(如文本)上定义良好。要在一般图上定义深度神经网络,我们需要定义一种新的深度学习架构。

成为VIP会员查看完整内容
131

相关内容

最新【图神经网络计算】2020综述论文,23页PDF
专知会员服务
191+阅读 · 2020年10月3日
专知会员服务
70+阅读 · 2020年9月20日
专知会员服务
71+阅读 · 2020年8月25日
【文本分类大综述:从浅层到深度学习,35页pdf】
专知会员服务
182+阅读 · 2020年8月6日
最新《图神经网络模型与应用》综述论文
专知会员服务
290+阅读 · 2020年8月2日
【图神经网络(GNN)结构化数据分析】
专知会员服务
112+阅读 · 2020年3月22日
图神经网络表达能力的研究综述,41页pdf
专知会员服务
167+阅读 · 2020年3月10日
图神经网络(Graph Neural Networks,GNN)综述
极市平台
103+阅读 · 2019年11月27日
Graph Neural Networks 综述
计算机视觉life
29+阅读 · 2019年8月13日
图数据表示学习综述论文
专知
51+阅读 · 2019年6月10日
图神经网络概述第三弹:来自IEEE Fellow的GNN综述
机器之心
46+阅读 · 2019年1月7日
清华大学图神经网络综述:模型与应用
机器之心
72+阅读 · 2018年12月26日
图神经网络综述:模型与应用
PaperWeekly
193+阅读 · 2018年12月26日
Arxiv
17+阅读 · 2019年4月5日
Learning Implicit Fields for Generative Shape Modeling
Arxiv
10+阅读 · 2018年12月6日
Arxiv
19+阅读 · 2018年6月27日
VIP会员
相关主题
相关VIP内容
最新【图神经网络计算】2020综述论文,23页PDF
专知会员服务
191+阅读 · 2020年10月3日
专知会员服务
70+阅读 · 2020年9月20日
专知会员服务
71+阅读 · 2020年8月25日
【文本分类大综述:从浅层到深度学习,35页pdf】
专知会员服务
182+阅读 · 2020年8月6日
最新《图神经网络模型与应用》综述论文
专知会员服务
290+阅读 · 2020年8月2日
【图神经网络(GNN)结构化数据分析】
专知会员服务
112+阅读 · 2020年3月22日
图神经网络表达能力的研究综述,41页pdf
专知会员服务
167+阅读 · 2020年3月10日
相关资讯
图神经网络(Graph Neural Networks,GNN)综述
极市平台
103+阅读 · 2019年11月27日
Graph Neural Networks 综述
计算机视觉life
29+阅读 · 2019年8月13日
图数据表示学习综述论文
专知
51+阅读 · 2019年6月10日
图神经网络概述第三弹:来自IEEE Fellow的GNN综述
机器之心
46+阅读 · 2019年1月7日
清华大学图神经网络综述:模型与应用
机器之心
72+阅读 · 2018年12月26日
图神经网络综述:模型与应用
PaperWeekly
193+阅读 · 2018年12月26日
微信扫码咨询专知VIP会员