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。由于大多数信息本质上具有图结构，而网络神经网络在表示学习方面具有优势，因此将图神经网络应用于推荐系统的研究十分活跃。本文旨在对基于图神经网络的推荐系统的最新研究成果进行全面的综述。具体地说，我们提供了基于图神经网络的推荐模型的分类，并阐述了与该领域发展相关的新观点。

模糊神经网络数据预测仿真,使用matlab2021a或者更高版本测试

图神经网络是一种对没有固定结构的数据进行建模的诱人方法。然而，让他们按预期工作多年来经历了一些曲折。在本次演讲中，我将介绍图挖掘团队在谷歌上使GNN有用的工作。我将专注于我们已经发现的挑战以及我们为它们开发的解决方案。具体来说，我将重点介绍一些工作，这些工作实现了更富表现力的图卷积、更健壮的模型和更好的图结构。

一种基于遗传算法的模糊神经网络最优控制

一种基于脉冲耦合神经网络和图像熵的自动图像分割方法

ESN神经网络。一种基于ESN神经网络的移动机器人场景识别方法：从构成场景的图像序列中，提取ORB特征点，再从提取到的ORB特征点中，matlab2021a测试。

2021年2月,中国互联网络信息中心(CNNIC)发布了第47次《中国互联网络发展 状况统计报告》。报告指出，截止至2020年12月,我国手机网民的规模达到9.86亿， 其中使用手机上网的网民占比99.7%，而网络新闻用户规模为7.43亿，占网民总体的 75.1%。网络逐渐成为了人民生活中不可或缺的一部分 2020年是极度不平凡的一年，新冠肺炎疫情的发生影响着我们生活的方方面面， 互联网作为人民生活必不可缺的一部分，在疫情期间也发挥了独一无二的作用。网民 通过互联网了解疫情变化，在互联网平台发布消息。其中微博作为中国最大的社交媒 体平台，承担着来自各方网民的声音。对于微博的文本数据挖掘一方面可以了解舆情 发展趋势，另一方面还可以充分发挥政府和国家对于网络舆论的引导与监管力量，避 免舆论导向走偏。 本文以2020年发生的新冠肺炎疫情为研究案例，以微博平台为数据来源，针对 微博文本与微博评论的特点，从舆情分析的角度出发，基于snowNLP情感分析与改 进的LDA主题提取模型进行舆情分析。本文的研究内容主要分三部分，首先是與情 数据的获取与处理，其次是舆情主题提取与分析，最后是对本文的研究总

BP神经网络拟合预测，适合初学者

癌症是人类健康的重大威胁。癌症早期筛查与诊断是公认的降低癌 症死亡率的有效方法。但是，不断恶化的癌症形势与专业人员的相对紧 缺是当前癌症形势下所面临的一对尖锐矛盾。而癌症的智能筛查与诊断 为解决这一矛盾提供了有效途径。近年来，人工神经网络特别是深度神 经网络算法，在人工智能的各个领域取得了引人注目的成绩。而这种以 数据为驱动的机器学习算法需要从大量的数据中进行学习。随着医疗信 息化的不断深入，医疗行业数据量增长迅速。医疗数据的不断积累与人 工神经网络的不断发展为癌症的智能筛查与诊断提供了有力的材料和工 具。 本论文主要对癌症的智能筛查与诊断进行研究。在深入研究医疗数 据的特点并广泛分析相关研究工作的基础之上，本论文提出了一系列用 于癌症智能筛查与诊断的神经网络模型，并在多个公开数据集上进行了 性能评估与验证。具体而言，本论文的主要研究工作和成果包括: 提出了多视野卷积神经网络(Multi-view Convolutional Neural Networks，MV-CNN)用于肺部CT的肺结节智能诊断。CT图像有 两个特点。第一个特点就是病灶占整个图像很小的一部分，并且会影 响周边的组织

参考我的第一篇文章