學(xué)習(xí)筆記，僅供參考，有錯(cuò)必糾

---

文章目錄

• • GMNN: Graph Markov Neural Networks
  • • Abstract
    • Introduction
    • 相關(guān)著作
    • • 統(tǒng)計(jì)關(guān)系學(xué)習(xí)
      • 基于圖的半監(jiān)督分類
      • 圖形神經(jīng)網(wǎng)絡(luò)
      • GNN的概率幾何推理
    • 問(wèn)題定義和初步
    • • 問(wèn)題定義

---

GMNN: Graph Markov Neural Networks

Abstract

本文研究關(guān)系數(shù)據(jù)中的半監(jiān)督對(duì)象分類，這是關(guān)系數(shù)據(jù)建模中的一個(gè)基本問(wèn)題。在統(tǒng)計(jì)關(guān)系學(xué)習(xí)(例如關(guān)系馬爾可夫網(wǎng)絡(luò))和圖形神經(jīng)網(wǎng)絡(luò)(例如圖形卷積網(wǎng)絡(luò))的文獻(xiàn)中已經(jīng)廣泛研究了該問(wèn)題。

統(tǒng)計(jì)關(guān)系學(xué)習(xí)方法可以通過(guò)條件隨機(jī)場(chǎng)有效地建模對(duì)象標(biāo)簽的依賴性，用于集體分類，而圖神經(jīng)網(wǎng)絡(luò)通過(guò)端到端訓(xùn)練學(xué)習(xí)有效的對(duì)象表示，用于分類。

本文提出了結(jié)合兩者優(yōu)點(diǎn)的圖馬爾可

總結(jié)

以上是生活随笔為你收集整理的文献学习(part12)--GMNN: Graph Markov Neural Networks的全部?jī)?nèi)容，希望文章能夠幫你解決所遇到的問(wèn)題。

如果覺(jué)得生活随笔網(wǎng)站內(nèi)容還不錯(cuò)，歡迎將生活随笔推薦給好友。