笔记目录

1 introduction
2 Roadmap(路线图)
3 Task, Dataset, and Benchmark(任务，数据集和基准)
3 Sapatial-based GNN(空域GNN)
- NN4G
- DCNN
- DGC
- MoNET
- GraphSAGE
- GAT
- GIN
4 Graph Signal Processing and Spectral-based GNN (图信号处理，频域图)
- **SpectralGraphTheory**
- ChebNet
- GCN
- - other detiles（没讲）
- HyperGCN（没讲）
5 Graph Generation（图生成）
6 GNN for NLP（没讲）
- Semantic Roles Labeling
7 Online Resources

视频讲解：（B站）

https://www.bilibili.com/video/BV1G54y1971S?from=search&seid=8019899439107351329

1 introduction

2 Roadmap(路线图)

3 Task, Dataset, and Benchmark(任务，数据集和基准)

最佳路径

3 Sapatial-based GNN(空域GNN)

NN4G

DCNN

DGC

MoNET

GraphSAGE

GAT

GIN

4 Graph Signal Processing and Spectral-based GNN (图信号处理，频域图)

SpectralGraphTheory

N：节点数
D（对角数）：每行邻居数
f：节点上的特征

symmetric(for undirected graph)：对称的（无向图）
spectral decomposition：光谱分解

所以lamda这里代表频率

转到频

转回去

拓展到Graph：（合成）

filtering

Not localize：如果连接到所有N个节点，并所有看到邻居的东西

ChebNet

用某种方式递会算出以下参数，使得复杂度很低。

Chebyshev：切比雪夫
polynomial：多项式

满足以下条件：

为了好算，降低复杂度

GCN

基于前面的理解切比雪夫多项式
K localiize，L决定Lamda不超过2

加全一

理解为：所有的邻居加起来包括自己，取平均，+b,再经过f

other detiles（没讲）

HyperGCN（没讲）

5 Graph Generation（图生成）

6 GNN for NLP（没讲）

Semantic Roles Labeling

7 Online Resources

Pytorch：
(1) pytorch_geometric ：

https://github.com/rusty1s/pytorch_geometric

(2) Functions of Matrices: Theory and Computation (Other Titles in Applied Mathematics) (英语)

https://www.amazon.com/Functions-Matrices-Computation-Applied-Mathematics/dp/0898716462

(3) Signal and System by Prof. Lee:

http://speech.ee.ntu.edu.tw/courses.html

(4) MachineLearningbyProf.Hung-yiLee :

http://speech.ee.ntu.edu.tw/~tlkagk/courses.html

(5) https://link.springer.com/book/10.1007/978-3-030-03574-7 :

https://link.springer.com/book/10.1007/978-3-030-03574-7

【GNN】台大李弘毅助教讲解——GNN系列相关推荐

台大李弘毅机器学习课程（2017春季）——1.introduction
今天上B站的时候突然间看到居然有阿婆主上传了台大李弘毅教授的机器学习课程的视频,点开进去看了一下,发现这个老师真的是挺逗的,对于我这个初学者来说,课讲的也很棒(课程主页).所以打算在这里做一个课程的学 ...
台大郭彦甫教授Matlab讲解笔记（一）
台大郭彦甫教授Matlab讲解笔记(一) Introduction 对于一个软件的学习,首先要认识它的界面,了解各个窗口.我用的是2015b版的MATLAB. 大致分为四个窗口. 当前文件夹:展示了电 ...
李弘毅机器学习课程笔记（一）：机器/深度学习入门
文章目录什么是ML ML分类一个例子 Model(function) Loss function Error surface Optimization Conclusion 最近在Youtube上 ...
李弘毅机器学习笔记：第十四章—Why deep?
李弘毅机器学习笔记:第十四章-Why deep? 问题1:越深越好? 问题2:矮胖结构 v.s. 高瘦结构引入模块化深度学习使用语音识别举例语音辨识: 传统的实现方法:HMM-GMM 深度学习 ...
【必收藏】台大李宏毅老师课程 | 资源汇总、笔记总结与索引
2020年7月20日至2020年8月18日,我刷完了台大李宏毅老师的深度学习/机器学习相关课程,我分为了 64 个大课时,记录了 64 篇笔记. 我对于李老师课程感到惊讶又欣喜: 惊讶在于,李老师能把 ...
李弘毅机器学习笔记：第五章—分类
李弘毅机器学习笔记:第五章-分类例子(神奇宝贝属性预测) 分类概念神奇宝贝的属性(水.电.草)预测回归模型 vs 概率模型回归模型其他模型(理想替代品) 概率模型实现原理盒子抽球概率举例 ...
台大李宏毅Machine Learning 2017Fall学习笔记 (6)Logistic Regression
台大李宏毅Machine Learning 2017Fall学习笔记 (6)Logistic Regression 做Logistic Regression回归,需要3步. Step 1: Funct ...
台大李宏毅Machine Learning 2017Fall学习笔记 (5)Classification: Probabilistic Generative Model
台大李宏毅Machine Learning 2017Fall学习笔记(5)Classification: Probabilistic Generative Model 本节课以二分类问题为例,详细讲解 ...
台大李宏毅Machine Learning 2017Fall学习笔记 (4)Gradient Descent
台大李宏毅Machine Learning 2017Fall学习笔记 (4)Gradient Descent 这节课首先回顾了利用梯度下降法优化目标函数的基本步骤,然后对梯度下降法的应用技巧和其背后的 ...

【GNN】台大李弘毅助教讲解——GNN系列