【GNN综述_2021_10】Automated Machine Learning on Graphs: A Survey
图的机器学习在学术界和工业界都得到了广泛的研究。然而，随着大量新兴方法和技术的出现，关于图形学习的文献蓬勃发展，为不同的图形相关任务手动设计最优机器学习算法变得越来越困难。为了解决这一关键挑战，图上的自动机器学习（AutoML）将图机器学习和AutoML的优点结合在一起，正受到研究界的关注。因此，本文对图自动建模进行了全面的研究，主要研究了图机器学习的超参数优化（HPO）和神经结构搜索（NAS）。我们进一步概述了与自动图形机器学习相关的库，并深入讨论了AutoGL，这是第一个针对图形的AutoML的专用开源库。最后，我们分享了我们对自动化图机器学习未来研究方向的见解。本文是我们所知的第一篇关于图自动机器学习的系统和全面的综述。
文件下载
评论信息
其他资源
- 合成孔径雷达卫星（魏钟铨）
- nodejs简单登录案例
- IDL实现(GF1/2和landsat8)水体提取
- 概率(第1卷+第2卷+高清习题集)(俄罗斯)施利亚耶夫 (2).rar
- 高等数学问题MATLAB求解 习题答案
- matlab 光伏模糊控制 MPPT boost
- 三种合并方式的比较
- 表面与界面物理力学
- nandflash接口的verilog代码
- HttpHelper-2.3 源码 + DLL
- 基于光子晶体光纤的长周期光栅
- in6001.pdf
- dpplayer解析插件
- 频率计的设计
- htmlparser.jar文件
- 一种自适应的粒子群算法
- JAVA.JSP人力资源管理系统
- java坦克大战源码（已加入声音图片）
- c/s系统框架
- 人工鱼群算法
- 广联达深思S4最新2018写锁工具【全国版】+授权
免责申明
【只为小站】的资源来自网友分享，仅供学习研究，请务必在下载后24小时内给予删除，不得用于其他任何用途，否则后果自负。基于互联网的特殊性，【只为小站】 无法对用户传输的作品、信息、内容的权属或合法性、合规性、真实性、科学性、完整权、有效性等进行实质审查；无论 【只为小站】 经营者是否已进行审查，用户均应自行承担因其传输的作品、信息、内容而可能或已经产生的侵权或权属纠纷等法律责任。
本站所有资源不代表本站的观点或立场，基于网友分享，根据中国法律《信息网络传播权保护条例》第二十二条之规定，若资源存在侵权或相关问题请联系本站客服人员，zhiweidada#qq.com，请把#换成@，本站将给予最大的支持与配合，做到及时反馈和处理。关于更多版权及免责申明参见 版权及免责申明
本站所有资源不代表本站的观点或立场，基于网友分享，根据中国法律《信息网络传播权保护条例》第二十二条之规定，若资源存在侵权或相关问题请联系本站客服人员，zhiweidada#qq.com，请把#换成@，本站将给予最大的支持与配合，做到及时反馈和处理。关于更多版权及免责申明参见 版权及免责申明