Fork me on GitHub

《Structural Entropy Based Graph Structure Learning for Node Classification》论文解读

论文传送门:click here

可参考资料:$CoGSL$

论文动机

本篇论文是2024AAAI上的论文。

由于GNN的性能高度依赖于输入图结构的质量,因此如今学者已经提出了各种**图结构学习(GSL)**技术来增强图结构。

大多数现有的GSL方法都专注于融合从图中提取的不同结构特征(基本视图),但很少包含图语义,例如层次社区。因此,在处理包含来自现实世界复杂系统的噪声的图时,它们可能还不够。

阅读更多...

Adaboost

我默认大家已经掌握了 $Adaboost$ 的基本操作方法。这篇博客中我将会首先简要介绍一下 $Adaboost$ 的具体流程,接下来将会用大段的推导解决这两个问题:

  • $Adaboost$ 的误差上界是多少,收敛速率如何。
  • $Adaboost$ 中最重要的两个参数:第 $m$ 轮得到分类器 $G_m(x)$ 与其对应的权重 $\alpha_m$ 是如何求得的。
阅读更多...

BP神经网络

这篇博客中,我将会与大家分享最基本的BP神经网络的工作原理——主要包括网络的结构、参数的更新方法(反向传播)、网络优缺点等。BP神经网络是最基本的一种神经网络,难度小但我们能够见微知著得了解大型网络的训练过程。 阅读更多...

Fisher线性判别推导

这篇文章中,我将主要以三种方式对$Fisher$判别的结果与最优解以及对应取值进行详细的推导。需要一定的多元函数微分线性代数基础凸优化基础。我将以不同知识背景对原问题进行解释与推导,得出正确结果。

问题重述

我们的优化目标函数为:
$$
\max J(w) = \frac{w^TS_bw}{w^TS_ww}
$$

阅读更多...
Runtime Display
  • Copyrights © 2023-2024 Lucas
  • 访问人数: | 浏览次数:

请我喝杯咖啡吧~

支付宝
微信