目录前言专业名词笔记INTRODUCTION 引言BACKGROUND & DEFINITION 背景与定义Network embedding 网络嵌入The main distinction between GNNs and network embedding GNNs和网络嵌入的主要区别graph kernel methods
原创
2023-01-14 10:06:06
232阅读
目录前言专业名词笔记GRAPH AUTOENCODERS 图形自动编码器network embedding 网络嵌入Deep NeuralNetwork for Graph Representations 图形表示的深层神经网络（DNGR）Structural Deep Network Embedding 结构深层网络嵌入（SDNE）Va
原创
2023-01-14 10:00:03
128阅读
目录前言专业名词笔记DeepGCG （Deep Generative Model of Graphs）Spatial-temporalgraph neural networks (STGNNs)总结结语前言Hello！小伙伴！ 非常感谢您阅读海轰的文章，倘若文中有错误的地方，欢迎您指出～ 自我介绍 ଘ(੭ˊᵕˋ)੭ 昵称：海轰
原创
2023-01-14 10:00:27
84阅读
块
原创
2023-01-14 10:07:10
120阅读
由于GNN在建模图结构数据方面的强大能力，GNN被广泛用于各种应用，包括高风险场景，如
原创
精选
2022-12-06 10:29:54
636阅读
点赞
论文题目：ImageNetClassificationwithDeepConvolutional NeuralNetworks发表日期：2012年发表刊物：NIPS作者：Alex Krizhevsk 等（Alex 是Hinton的学生，Hinton是神经网络领域三巨头：Geoffrey Hinton，Yann LeCun 和 Yoshua Bengio 之一）&n
转载
2024-05-28 21:23:08
32阅读
1、HanS, Mao H, Dally W J. Deep Compression: Compressing Deep NeuralNetworks with Pruning, Trained Quantization and Huffman Coding[J].Fiber, 2015, 56(4):3--7.主要内容：简化和压缩DNN模型，以减少计算量和内存的占用。神经网络剪枝：移
转载
2023-10-20 16:57:15
34阅读
神经网络（NeuralNetworks）是一种用训练数据拟合目标函数的黑箱模型，只要数据量足够大，它可以拟合出输入到输出之间的任意函数关系。本篇博文将使用TensorFlow神经网络进行股市的预测，利用数据样本学习，得到相关因素预测股票走势。
原创
2022-02-17 13:54:15
503阅读
神经网络（NeuralNetworks）是一种用训练数据拟合目标函数的黑箱模型，只要数据量足够大，它可以拟合出输入到输出之间的任意函数关系。本篇博文将使用TensorFlow神经网络进行股市的预测，利用数据样本学习，得到相关因素预测股票走势。
原创
2021-06-29 16:27:34
394阅读
论文标题：Measuring and Relieving the Over-smoothing Problem for Graph NeuralNetworks from the Topological View（AAAI 2019） 论文链接：链接摘要图神经网络（GNNs）在许多基于图的任务中都取得了令人满意的性能。但是GNN存在过度平滑问题（在深层图神经网络中不同类别节点的表征不可区分）。本文
转载
2024-01-14 23:05:55
83阅读
一.RNN 和 LSTM 回顾 1.RNN (1) RNN 原理 循环神经网络英文是 Recurrent NeuralNetworks，简称 RNN。假设有一组数据 data0、data1、data2、data3，使用同一个神经网络预测它们，得到对应的结果。如果数据之间是有关系的，比如做菜下料的前后 ...
转载
2021-09-20 14:56:00
680阅读
2评论
YOLO作为目标检测领域的创新技术，一经推出就受到开发者的广泛关注。值得一提的是，基于百度自研的开源深度学习平台PaddlePaddle的YOLO v3实现，参考了论文【Bag of Tricks for Image Classification with Convolutional NeuralNetworks】，增加了mixup，label_smooth等处理，精度(mAP(0.5：0.95)
吴恩达Coursera机器学习课程系列笔记讲解课程笔记|吴恩达Coursera机器学习Week1笔记-机器学习基础干货|机器学习零基础？不要怕，吴恩达机器学习课程笔记2-多元线性回归干货|机器学习零基础？不要怕，吴恩达课程笔记第三周！逻辑回归与正则NeuralNetworks:Representation1Motivation之前讲的Linearregression和Logistricregres
原创
2020-11-24 15:58:17
502阅读
用numpy可以灵活定义神经网络结构，还可以应用numpy强大的矩阵运算功能！ 一、用法1）. 定义一个三层神经网络： '''示例一'''
nn = NeuralNetworks([3,4,2]) # 定义神经网络
nn.fit(X,y) # 拟合
print(nn.predict(X)) #预测 说明： 输入层节点数目：3 隐藏层节点数目：4 输出层节点数目：2 2
转载
2023-10-21 22:50:40
57阅读
何为dropout？Dropout是Srivastava等人在2014年发表的一篇论文中，提出了一种针对神经网络模型的正则化方法Dropout
（《A Simple Way to Prevent NeuralNetworks from Overfitting》）。那Dropout在训练模型中是如何实现的呢？Dropout的做法是在训练过程中按一定比例（比例参数可设置）随机忽略或屏蔽一些神经元。
这
转载
2024-02-17 19:46:53
96阅读
1 内容介绍随着问题规模不断增加，经典优化算法难以满足实际的需求，甚至无法得到较优解。相反，现代优化算法却表现出较好的性能，其中包括模拟退火算法（Simulatedannealing），遗传算法（Geneticalgorithm），人工神经网络算法（Neuralnetworks）[1]。“师法自然”，现代优化算法中很多都通过模拟自然界或者物理世界的现实存在来进行优化计算。20世纪90年代初由MDo
原创
2022-09-24 09:14:41
487阅读
1 内容介绍随着问题规模不断增加，经典优化算法难以满足实际的需求，甚至无法得到较优解。相反，现代优化算法却表现出较好的性能，其中包括模拟退火算法（Simulatedannealing），遗传算法（Geneticalgorithm），人工神经网络算法（Neuralnetworks）[1]。“师法自然”，现代优化算法中很多都通过模拟自然界或者物理世界的现实存在来进行优化计算。20世纪90年代初由MDo
摘 要：利用Matlab中的神经网络工具箱提供的丰富网络学习和训练函数，对BP网络和BP算法的优化方案进行仿真，得到较优的BP算法。关键词：人工神经网络；BP网络；Matlab；NeuralNetwork Toolbox1 引 言人工神经网络(Artificial NeuralNetworks，NN)系统从20世纪40年代末诞生至今仅短短半个多世纪，但由于他具有信息的分布存储、并行处理以及自学习能
转载
2024-01-07 12:58:06
57阅读
1LeNet-5
1.1局限性
早在1989年，Yann LeCun (现纽约大学教授)和他的同事们就发表了卷积神经网络（Convolution NeuralNetworks， 简称CNN）的工作。在很长时间里，CNN虽然在小规模的问题上，如手写数字，取得过当时世界最好结果，但一直没有取得巨大成功。这主要原因是，CNN在大规模图像上效果不好，比如像素很多的自然图片内容理解，所以没有得到计算机
转载
2021-06-29 15:41:03
1680阅读
the dimensionality of data with neuralnetworks，作者就是鼎鼎有名的Hinton，这篇文章也标志着deep learning进入火热的时代。今天花了点时间读了下这篇文章，下面是一点笔记：多层感知机其实在上世纪已经被提出来了，但是为什么它没有得到广泛应用呢？其原因在于对多层非线性网络进行权值优化时很难得到全局的参数。因为一般使用数值优化算法(比如BP算法)
