组会论文笔记

深度学习图神经网络.rar 英文电子版 分章节 高清PDF

入门图神经网络的好资源,了解GNN的基本原理,训练方法,以及其各种变体的应用。里面包含了清华总结的大部分论文资料，通俗易懂，讲解全面。总有适合你的。

4-消息传递图神经网络.pdf

动态异构图神经网络及其在推荐系统中的应用 动态异构图神经网络及其在推荐系统中的应用 动态异构图神经网络及其在推荐系统中的应用 动态异构图神经网络及其在推荐系统中的应用 动态异构图神经网络及其在推荐系统中的应用 动态异构图神经网络及其在推荐系统中的应用 动态异构图神经网络及其在推荐系统中的应用 动态异构图神经网络及其在推荐系统中的应用 动态异构图神经网络及其在推荐系统中的应用 动态异构图神经网络及其在推荐系统中的应用 动态异构图神经网络及其在推荐系统中的应用 动态异构图神经网络及其在推荐系统中的应用 动态异构图神经网络及其在推荐系统中的应用 动态异构图神经网络及其在推荐系统中的应用 动态异构图神经网络及其在推荐系统中的应用 动态异构图神经网络及其在推荐系统中的应用 动态异构图神经网络及其在推荐系统中的应用 动态异构图神经网络及其在推荐系统中的应用 动态异构图神经网络及其在推荐系统中的应用 动态异构图神经网络及其在推荐系统中的应用 动态异构图神经网络及其在推荐系统中的应用 动态异构图神经网络及其在推荐系统中的应用 动态异构图神经网络及其在推荐系统

图神经网络模型学习

视觉进阶｜计算机视觉及其后的图神经网络教程（第一部分） 计算机视觉.pdf

我们很高兴地邀请到来自哈佛大学的Marinka Zitnik教授来给我们做一个关于计算生物学中的图神经网络的讲座。在本讲座中，Marinka教授概述了为什么图学习技术可以极大地帮助计算生物学研究。具体来说，本演讲涵盖了3个范例用例: (1) 通过异构知识图谱的多关系链接预测发现安全的药物-药物组合;(2)通过学习子图嵌入对患者结局和疾病进行分类;(3)通过图的少样本学习，学习有效的疾病治疗方法。

在许多领域，包括医疗保健、生物和气候科学，时间序列是不规则的采样，连续读数之间的时间间隔不同，不同的变量子集(传感器)在不同的时间点观测。在收集传感器测量数据时，经常存在一些实际问题，这些问题会导致各种类型的不正常现象，例如成本节约、传感器故障、物理场景中的外部力量、医疗干预等等。 虽然时间序列的机器学习方法通常假设完全可观察和固定大小的输入，但不规则采样的时间序列提出了相当大的挑战。例如，传感器的观测结果可能没有对齐，相邻读数之间的时间间隔可能因传感器而异，不同的样本可能在不同的时间记录不同数量的读数。

在实际应用场景的配电网故障占电网总故障的80%以上，并且配电网故障的预测一直以来都是比较困难的课题.本文在国家电网提出“泛在物联”的号召下，分析了学者们在此问题上的研究成果后，结合图神经网络的思想提出了一种基于图神经网络的配电网故障预测方法.参考了现在常用的图神经网络设计框架，详细的设计了节点信息汇集函数、预测函数和损失函数，并根据算法流程测试选定了合理的深度参数.算法充分考虑了相连节点间的互相影响，使用真实的电网运行数据对在该课题上常用的其它两种算法的横向比较，实验表明算法在精确度上提高了3.0%，并具有更强的鲁棒性.