EPUB格式。PDF格式可已从我的资源列表获得。

动态图表示学习，动态图分析论文汇总项目 本项目总结了动态图表示学习的有关论文，该项目在持续更新中，欢迎大家看/星/叉！ 如果大家有值得推荐的工作，可以在问题中提出要推荐的工作，论文下载链接及其工作亮点（有优秀代码实现的工作，会优先考虑在内）。项目中表述有误的部分，也可以在issue中提出。感谢！ 引流：【这也是我们的工作，欢迎手表/星/叉】 社交知识图谱专题： : 目录如下： 静态图表示与分析工作 针对静态图表示学习以及静态图分析，挖掘领域，挑选出个人认为值得继承的引用数更高，知名度较高的或最近的一些工作。 node2vec：网络的可扩展功能学习 作者：Grover A，Leskovec J.（阿姆斯特丹大学） 发表时间：2016 发表于：KDD 2016 标签：图表示学习 概述：依据表示学习，提出了一套在网络中学习连续连续类型表示的方法，取代了传统使用人工定义的例程结构化特征的方式

这是一本详细地介绍temporal logic中的LTL的书，非常有参考价值！

TEMPORAL LOGIC From Ancient Ideas to Artificial Intelligence

关系型股票排名（RSR）模型和时间图卷积的代码在我们的论文“股票预测的时间关系排名”中， 。 环境 Python 3.6和Tensorflow> 1.3 数据 所有数据，包括顺序数据，行业关系和Wiki关系，都位于文件夹下。 顺序数据 原始数据： 文件夹下的文件是从Google财经收集的在美国股市交易的超过8,000只股票的历史（过去30年）日末数据（即开盘价，最高价，最低价，收盘价和交易量） 。 处理的数据：是用于本文进行实验的数据集。 要获取关系数据，请运行以下命令： tar zxvf relation.tar.gz 产业关系 在ector_industry文件夹下，有行关系文件和二进制编码文件（.npy），用于存储纳斯达克和纽约证券交易所股票之间的行业关系。 维基关系 在wikidata文件夹下，有行关系文件和二进制编码文件（.npy），用于存储纳斯达克和纽约证券交易所股票之

| | PyTorch几何态是时间（动态）扩展文库。 该库包含来自各种已发表研究论文的各种动态和时间几何深度学习，嵌入以及时空回归方法。此外，它还提供了易于使用的数据集加载器和迭代器，用于动态和时间图以及gpu支持。它还附带了许多带有时间和动态图的基准数据集（您也可以创建自己的数据集）。 引用 如果您发现PyTorch Geometric Temporal和新的数据集对您的研究有用，请考虑添加以下引用： @misc { pytorch_geometric_temporal , author = { Benedek, Rozemberczki and Paul, Scherer and Yixuan, He and Oliver, Kiss and Nicolas, Collignon } , title = { {PyTorch Geometric Tempor

楼主自己整理的，网上关于CTC的资料参差不齐，一些比较好的资料都是英文版的，因此在这里祭上全网最好的CTC中文版学习资料，图文并茂，容易理解，欢迎下载。

Spatio-Temporal Graph Data Analytics 英文无水印原版pdf pdf所有页面使用FoxitReader、PDF-XChangeViewer、SumatraPDF和Firefox测试都可以打开 本资源转载自网络，如有侵权，请联系上传者或csdn删除 查看此书详细信息请在美国亚马逊官网搜索此书

3D GAN for Detecting Temporal Irregularities in Videos

CTAA Cinematic Temporal Anti-Aliasing v2.5 摄像机抗锯齿插件