打造立體化監控體系的最佳實踐——分散式調用跟蹤和監控時間
更多深度文章,請關注雲計算頻道:
https://yq.aliyun.com/cloud
基於圖卷積網路的圖深度學習先簡單回顧一下,深度學習到底幹成功了哪些事情!
深度學習近些年在語音辨識,圖片識別,自然語音處理等領域可謂是屢建奇功。ImageNet:是一個電腦視覺系統識別專案, 是目前世界上圖像識別最大的資料庫,並且被業界熟知。
我們先回顧一下,
傳統深度學習的方法,實際上就是一種手工設計特徵的過程。而且,在準確率上沒有保障。而真正的深度學習,端到端的學習,其中的過程到底發生了什麼,設計者什麼也不知道,自然也不會人為的去干涉。
如果資料不能網格化,那麼CNNs就失去了作用。所以,CNNs在一定程度上還是有很多缺陷的。例如圖結構資料,如何處理?在現實世界中這樣的例子很多很多:社交網路(著名的六度理論),萬維網,知識圖,等等這些都是圖結構,
下面是一個簡單的解決圖結構資料的方法。
這個方法到底會出現什麼樣的問題呢?為了解決問題,我們需要什麼呢?
先簡單介紹一下第一階消息傳遞的GCNs,這個理論在2009年就已經被提出來了。
接下來,我們瞭解一下GCN模型架構!
GCN模型架構到底能幹什麼呢?先舉個小栗子。
GCN模型與大名鼎鼎魏勒雷曼演算法的關係到底是什麼樣的呢?
圖的半監督分類也是一種不錯的方法。
半監督分類嵌入方法——兩步管道,這個方法也有一些問題,但我想這是可以解決的。
舉個小栗子,視頻連結是一個關於半監督學習的小例子,有興趣的朋友可以去看一下。
視頻:
http://tkipf.github.io/graph-convolutional-networks/
此外,還有關於引文網路的分類,也可以 通過這個方法實現。
下面2-layerGCN模型的實驗結果
還要一些這個方法最近應用到其他程式的案例。
用這個方法關於圖auto-encoders連結的預測。下面是auto-encoders的介紹
Autoencoders
進一步的閱讀
Blog post Graph Convolutional Networks:
http://tkipf.github.io/graph-convolutional-networks
Code on Github:
http://github.com/tkipf/gcn
Kipf & Welling, Semi-Supervised Classification with Graph Convolutional Networks, ICLR 2017:
https://arxiv.org/abs/1609.02907
Kipf & Welling, Variational Graph Auto-Encoders, NIPS BDL Workshop, 2016: https://arxiv.org/abs/1611.07308
作者:Thomas Kipf
本文由北郵@愛可哥-愛生活推薦,阿裡云云棲社區翻譯。
文章原標題《Deep Learning on Graphs with Graph Convolutional Networks》,作者:Thomas Kipf,譯者:袁虎,審閱:我是主題曲哥哥,附件為原文的pdf。
文章為簡譯,更為詳細的內容,請查看原文
接下來,我們瞭解一下GCN模型架構!
GCN模型架構到底能幹什麼呢?先舉個小栗子。
GCN模型與大名鼎鼎魏勒雷曼演算法的關係到底是什麼樣的呢?
圖的半監督分類也是一種不錯的方法。
半監督分類嵌入方法——兩步管道,這個方法也有一些問題,但我想這是可以解決的。
舉個小栗子,視頻連結是一個關於半監督學習的小例子,有興趣的朋友可以去看一下。
視頻:
http://tkipf.github.io/graph-convolutional-networks/
此外,還有關於引文網路的分類,也可以 通過這個方法實現。
下面2-layerGCN模型的實驗結果
還要一些這個方法最近應用到其他程式的案例。
用這個方法關於圖auto-encoders連結的預測。下面是auto-encoders的介紹
Autoencoders
進一步的閱讀
Blog post Graph Convolutional Networks:
http://tkipf.github.io/graph-convolutional-networks
Code on Github:
http://github.com/tkipf/gcn
Kipf & Welling, Semi-Supervised Classification with Graph Convolutional Networks, ICLR 2017:
https://arxiv.org/abs/1609.02907
Kipf & Welling, Variational Graph Auto-Encoders, NIPS BDL Workshop, 2016: https://arxiv.org/abs/1611.07308
作者:Thomas Kipf
本文由北郵@愛可哥-愛生活推薦,阿裡云云棲社區翻譯。
文章原標題《Deep Learning on Graphs with Graph Convolutional Networks》,作者:Thomas Kipf,譯者:袁虎,審閱:我是主題曲哥哥,附件為原文的pdf。
文章為簡譯,更為詳細的內容,請查看原文