神经网络（Neural Networks）是机器学习的一种模型算法。如果你曾学习过机器学习的课程，那么你应该也接触过神经网络。神经网络是一组特定的算法，它引起了机器学习领域的彻底性的变革。神经网络启发于生物神经网络，当前我们所说的深度神经网络已被证明十分有用。神经网络本身就是一般的函数逼近，这也是为什么他们能被运用于几乎任何一个关于从输入到输出空间的复杂映射的机器学习问题中。 为什么要
转载
2023-10-08 20:45:24
104阅读
又回来补DL的坑了，这次是关于一个相对较新的方向——图神经网络。之前想做melody/chord generation时听Computer Music方向的大佬Gus Xia教授随口提了一句可以用图神经网络。最近暑期跟Finance相关的研究又跟Knowledge Graph扯到一起，于是开始了解一点GNN~为什么要在graph的基础上跑neural networks？目的其实就是为了考虑enti
转载
2023-09-23 20:29:15
94阅读
一，绪论本篇是深度学习推荐系统第一篇，介绍Autorec和DeepCrossing 两个模型。前者是将深度学习的思想应用于推荐系统的初步尝试，后者是将深度学习框架在推荐系统中的完整应用。 Autorec2015年由澳大利亚国立大学提出，是一个单隐层的神经网络推荐模型，网络结构简单。由于结构比较简单，表达能力不足，因此没有真正的应用。 DeepCrossing 是2016年，微软基于ResNet的经
转载
2024-01-11 08:22:20
63阅读
图神经网络是近年来很火的一个研究方向，在生物化学，推荐系统，自然语言处理等领域都得到了广泛应用。其中图神经网络在推荐系统的应用方面，已有几篇综述[1][2][3]做过详细的归纳总结。但是让人感到美中不足的是，综述中总结的多是学术型工作，偏向于GNN模型上的微调，部分工作其实就是将上游的SGC[4]，GrapSage[5]，JKNet[6]等模型在几个祖传玩具数据集上刷一下结果讲一个故事，很少关心模
转载
2023-12-29 23:35:39
131阅读
目标检测经典算法总结1. R-CNN：从原图像中提取2000个候选区域。2000个候选区域由选择性搜索(selective search)算法产生。选择性搜索：（1）首先初始化多个候选区域；（2）用贪心算法递归地将相似区域合并成较大区域；（3）使用生成的区域去产生最终候选区域建议； 检测过程如上图所示：将2000个候选区域分别调整成方形，喂入卷积神经网络；由卷积神经网络产
转载
2023-10-15 16:40:17
108阅读
图卷积神经网络GCN ICLR 2017 ， 是曾经在美国加州大学UCI教授、现在荷兰阿姆斯特丹大学教授 Max Welling团队的大作（Max是图灵奖获得者Hinton的弟子），第一作者T. N. Kipf已经成为这个领域有名的学者和工程师。如果你能读懂英文，建议直接看作者最初发布的网站讲到GCN，就必须要讲到ChebNet, GCN可以认为是ChebNet的简化版和魔改版。ChebNet是2
转载
2024-02-19 11:07:01
47阅读
找资料的时候感觉现在写30XX系显卡深度学习环境配置的文章还不太完善，所以记录了自己的采坑经历。Why？下面这张图非常直观，TITAN性能比2080ti强，3080的CUDA核心数差不多是TITAN的两倍，内存少一些。目前3080显卡7000出头可以拿下，性价比非常不错。1 准备工作上半年配了台支持4GPU的机器，原计划下半年训练任务上来以后再加卡。但是30XX显卡出来以后，2个3080理论上和4
转载
2024-01-21 04:40:04
139阅读
。图神经网络（GNN）是机器学习中最热门的领域之一，在过去短短数月内就有多篇优秀的综述论文。但数据科学家 Matt Ranger 对 GNN 却并不感冒。他认为这方面的研究会取得进展，但其他研究方向或许更重要。博客链接：https://www.singlelunch.com/2020/12/28/why-im-lukewarm-on-graph-neural-networks/机器之心
转载
2023-11-24 17:00:35
109阅读
吴恩达机器学习笔记——八、神经网络1 为什么要用神经网络2 神经网络的表示2.1 神经元2.2 神经网络2.2.1 符号定义2.2.2 向量化2.2.3 神经网络所使用的特征3 非线性模型例子3.1 能实现“与”功能的神经网络3.2 能实现“或”功能的神经网络3.3 能实现“非”功能的神经网络3.4 能实现“同或”功能的神经网络3.5 实现多分类 1 为什么要用神经网络用来解决特征太多、参数太多
转载
2023-11-10 18:50:34
68阅读
今天总结一下神经网络的一些理论知识，熟悉了最基本的概念，学习会更加容易~目录神经网络1.概念 2.神经元3.神经网络的结构（大致分为五类） 4.单层神经网络5.感知机6.多层神经网络7.激活函数...... 神经网络1.概念 计算机中的神经网络是对人脑的抽象，模拟，对函数进行估计或者近似。
转载
2023-09-21 06:17:40
58阅读
1.GPU TFLOPS（teraFLOPS FLoating-point Operations Per Second每秒浮点运算次数）单精度也就是运算性能，决定了运算速度，首选1080ti、2080ti、Titan V,不过性能最强的titan V的价格是2080ti的三倍VRAM（显存）:显存大小决定了我们的网络模型能不能执行，大型的卷积神经网络会使用超过8G以上的显存，因此购买具有
转载
2023-11-18 22:50:30
255阅读
本文实现的是对张军等编写的《计算智能》第二章中的2.4.3引用举例的code实现。图一 图二 import java.util.Scanner;
public class Bp {
private int InputLayer = 3; //输入层
private int HiddenLayer = 2; //隐含层
private int
转载
2023-11-06 13:58:13
107阅读
一、AlexNet（2012）AlexNet是卷积神经网络架构的起源（尽管可能会有人认为，1998年Yann LeCun发表的论文才是真正的开创性出版物）。这篇名为“基于深度卷积网络ImageNet分类（https://papers.nips.cc/paper/4824-imagenet-classification-with-deep-convolutional-neural-networks.
转载
2023-06-07 15:50:43
154阅读
论文原文：《Graph Neural Networks in Recommender Systems:A Survey》ACM Computing Surveys ,Accepted on March 2022论文原文地址：https://dl.acm.org/doi/abs/10.1145/3535101论文pdf：https://dl.acm.org/doi/pdf/1
转载
2023-09-11 16:18:15
205阅读
随着网络信息的爆炸式增长，推荐系统在缓解信息过载方面发挥了重要作用。由于推荐系统具有重要的应用价值，这一领域的研究一直在不断涌现。近年来，图神经网络(GNN)技术得到了广泛的关注，它能将节点信息和拓扑结构自然地结合起来。由于GNN在图形数据学习方面的优越性能，GNN方法在许多领域得到了广泛的应用。在推荐系统中，主要的挑战是从用户/项目的交互和可用的边信息中学习有效的嵌入用户/项目。由于大多数信息本
转载
2023-12-10 10:41:43
135阅读
文章目录1.Graph基本介绍1.1 图的表示1.2 图的特性• 子图 Subgraph• 接通图 Connected Graph• 连通分量 Connected Component• 最短路径 Shortest Path• 图直径 Diameter1.3 图中心性. Centrality• 度中心性 Degree Centrality• 特征向量中心性 Eigenvector Centrali
转载
2023-10-22 22:12:58
66阅读
©作者 | PKU-DAIR单位 | 北京大学研究方向 | 大规模图学习ACM Computing Surveys (CSUR) 中文全称为美国计算机学会计算概观，是计算机学科最具影响力的期刊之一。作为计算机科学、理论和方法的综述类顶刊，其 2020 影响因子 10.282，该期刊主要发表计算机科学领域较有代表性的综述论文。PKU-DAIR 实验室
转载
2024-01-10 22:21:25
59阅读
近年来，推荐系统在各种商业领域得到了广泛的应用。为用户提供建议的平台。协同过滤算法是推荐系统中使用的主要算法之一。这种算法简单、高效;然而，数据的稀疏性和方法的可扩展性限制了这些算法的性能，并且很难进一步提高推荐结果的质量。因此，提出了一种将协同过滤推荐算法与深度学习技术相结合的模型，其中包括两部分。首
转载
2023-10-27 14:31:28
100阅读
文章目录一.摘要二.背景介绍三.GAT四.总结五.附录 一.摘要我们提出了图注意网络（GAT），一种在图结构数据上运行的新型神经网络架构，利用掩蔽的自我注意层来解决基于图形卷积或其近似的先前方法的缺点。通过堆叠节点能够参与其邻域特征的层，我们能够（隐式）为邻域中的不同节点指定不同的权重，而不需要任何类型的昂贵的矩阵运算（例如求逆）或依赖于对图的了解结构前期。通过这种方式，我们同时解决了基于谱的图
转载
2023-06-14 20:48:53
542阅读
悠闲会 · 信息检索前段时间，我们关注过图神经网络在推荐系统中的应用：万物皆可Graph | 当推荐系统遇上图神经网络。今天继续来看看这个方向，何向南老师组的又两大必读论文，分别发在SIGIR19'和SIGIR20'。Neural Graph Collaborative Filtering论文：Neural Graph Collaborative Filtering地址：htt
转载
2023-10-10 09:34:50
161阅读
