MixHop-and-N-GCN：“ MixHop：通过稀疏邻域混合进行的高阶图卷积体系结构”的实现（ICML 2019）-源码
MixHop和N-GCN
⠀
PyTorch实现的“ MixHop：通过稀疏邻域混合进行的高阶图卷积体系结构”（ICML 2019）和“一个高阶图卷积层”（NeurIPS 2018）。
抽象
最近的方法通过近似图拉普拉斯算子的本征基，将卷积层从欧几里得域推广到图结构数据。 Kipf＆Welling的计算效率高且使用广泛的Graph ConvNet过度简化了逼近度，有效地将图形卷积呈现为邻域平均算子。 这种简化限制了模型学习三角算子（图拉普拉斯算子的前提）的作用。 在这项工作中，我们提出了一个新的图卷积层，该层混合了邻接矩阵的多种幂，从而使它能够学习增量算子。 我们的层展现出与GCN相同的内
文件下载
评论信息
其他资源
- imatest_PDF使用手册
- bladegen学习资料
- UVM 验证测试平台搭建简单示例（详细）
- 360度全景图-HTML5 Canvas实现
- 家政服务管理系统毕业设计
- Unity小游戏【Space shooter】源码
- 基于Xilinx FPGA的OFDM通信系统基带设计(光盘)
- 软件质量保证与测试2012第一版秦航清华大学出版社.pdf-其它文档类资源
- Chronos - Time Control v2.4.1
- PacketTracer53_setup.rar
- microservicecloud-master.zip
- StartUML 5.0.exe.zip
- RTCServer.rar
- locktest.zip
- 改进的Goldschmidt双精度浮点除法器
- ESView_v2.0.exe
- 模拟POS机程序源码
- 数据结构课程设计交通信息管理系统
- 欧姆龙CP1H四楼电梯控制梯形图
- 2019年最新版修订版Java程序员面试宝典.pdf
- [Android实例] 拖动滑块进行图片拼合验证方式的实现
- Amesim中文手册
- spring boot+maven+mybatis+mysql
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