快速读论文----Neighbor-Anchoring AdversarialGraph Neural Networks

图形神经网络（GNNs）由于能够学习图形数据的高级表示而被广泛采用。虽然GNN具有很强的识别能力，但它们往往无法学习底层节点分布以提高鲁棒性。为了解决这个问题，受生成对抗网络（GANs）的启发，我们研究了图神经网络上的对抗学习问题，并提出了一种新的图表示学习框架NAGNN（即邻域锚定对抗图神经网络），它不仅训练一个鉴别器，而且训练一个相互竞争的发生器。特别地，我们提出了一种新的邻域锚定策略，其中生成器生成具有明确特征和锚定在参考真实节点上的邻域结构的样本，以便鉴别器可以对伪样本执行邻域聚合以学习更好的表示。我们的邻居锚定策略的优势可以从理论和经验上得到证明。此外，作为副产品，我们的生成器可以合成逼真的功能，实现自动内容摘要等潜在应用。最后，我们在四个公共基准数据集上进行了广泛的实验，并在定量和定性评估方面取得了有希望的结果

快速读论文----Neighbor-Anchoring AdversarialGraph Neural Networks相关推荐

读论文系列(二)Convolutional Neural Networks over Tree Structures for Programming Language Processing
系列文章目录读论文系列(一)Automated software vulnerability detection with machine learning 文章目录系列文章目录 Keywards ...
论文阅读2018-Deep Convolutional Neural Networks for breast cancer screening 重点：利用迁移学习三个网络常规化进行分类
论文阅读2018-Deep Convolutional Neural Networks for breast cancer screening 摘要:我们探讨了迁移学习的重要性,并通过实验确定了在训练 ...
【论文泛读】XFlow: Cross-Modal Deep Neural Networks for Audiovisual Classification
论文题目:XFlow: Cross-Modal Deep Neural Networks for Audiovisual Classification 时间:2019 来源:IEEE TNNLS 论文 ...
【读点论文】CMT: Convolutional Neural Networks Meet Vision Transformers
CMT: Convolutional Neural Networks Meet Vision Transformers Abstract 视觉transformer已经成功地应用于图像识别任务,因为它 ...
【论文阅读】Deep Neural Networks for Learning Graph Representations | day14，15
<Deep Neural Networks for Learning Graph Representations>- (AAAI-16)-2016 文章目录一.模型 1.1解决了两个问题 ...
对抗样本论文学习：Deep Neural Networks are Easily Fooled
近日看了一些对抗样本(adversarial examples)方面的论文,在这里对这些论文进行一下整理和总结. 以下仅代表个人理解,本人能力有限难免有错,还请大家给予纠正,不胜感激.欢迎一起讨论进步 ...
Re38：读论文 NeurJudge: A Circumstance-aware Neural Framework for Legal Judgment Prediction
诸神缄默不语-个人CSDN博文目录本文是2021年SIGIR论文,官方下载地址:https://dl.acm.org/doi/10.1145/3404835.3462826 官方GitHub地址:y ...
论文分享 MetaBalance: High-Performance Neural Networks for Class-Imbalanced Data
摘要类不平衡数据,其中一些类包含比其他类多得多的样本,在现实世界的应用程序中无处不在.处理类不平衡的标准技术通常通过对重新加权损失或重新平衡数据进行训练来工作. 不幸的是,针对此类目标训练过度参数化 ...
经典DL论文研读(part3)--Improving neural networks by preventing co-adaptation of feature detectors
学习笔记,仅供参考,有错必纠文章目录 Improving neural networks by preventing co-adaptation of feature detectors Abstr ...
[论文阅读笔记]Deep Neural Networks are Easily Fooled:High Confidence Predictions for Unrecognizable Images
Deep Neural Networks are Easily Fooled:High Confidence Predictions for Unrecognizable Images(CVPR201 ...

快速读论文----Neighbor-Anchoring AdversarialGraph Neural Networks

快速读论文----Neighbor-Anchoring AdversarialGraph Neural Networks相关推荐

最新文章

热门文章