期刊导航
期刊开放获取
上海教育软件发展有限公..
期刊文献
+
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
检索
高级检索
期刊导航
共找到
2
篇文章
<
1
>
每页显示
20
50
100
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
显示方式：
文摘
详细
列表
相关度排序
被引量排序
时效性排序
图卷积算法的研究进展
被引量：
1
1
作者
郑睿刚
陈伟福
冯国灿
《中山大学学报（自然科学版）》
CAS
CSCD
北大核心
2020年第2期1-14,共14页
近年来,随着科学技术的发展,越来越多的数据以图的形式呈现和存储。图是不规则的数据,具有分散性和无序性,除了节点本身可赋予数据的特征外,边权信息更可以刻画节点间的相似性。虽然传统的深度卷积网络能有效处理图像、视频、语音等规...
近年来,随着科学技术的发展,越来越多的数据以图的形式呈现和存储。图是不规则的数据,具有分散性和无序性,除了节点本身可赋予数据的特征外,边权信息更可以刻画节点间的相似性。虽然传统的深度卷积网络能有效处理图像、视频、语音等规则的数据,但直接用以处理图的数据效果并不理想。如何借鉴传统的卷积算法,提出适应图数据特点的学习算法,是当前深度学习研究的一个热点。文章拟对面向图数据的图卷积算法进行归纳总结,然而由于篇幅有限,无法对所有算法做到面面俱到的介绍,因此文章侧重于介绍模型背后的原理,分析并指出这些算法的优缺点,同时扼要介绍图卷积网络的主要应用。
展开更多
关键词
图
卷积神经网络
图的拉普拉斯矩阵
图的
傅立叶变换
图的
卷积变换
图的
节点分类
图的
分类
在线阅读
下载PDF
职称材料
半监督学习理论及其研究进展概述
被引量：
36
2
作者
屠恩美
杨杰
《上海交通大学学报》
EI
CAS
CSCD
北大核心
2018年第10期1280-1291,共12页
半监督学习介于传统监督学习和无监督学习之间,是一种新型机器学习方法,其思想是在标记样本数量很少的情况下,通过在模型训练中引入无标记样本来避免传统监督学习在训练样本不足(学习不充分)时出现性能(或模型)退化的问题.半监督学习已...
半监督学习介于传统监督学习和无监督学习之间,是一种新型机器学习方法,其思想是在标记样本数量很少的情况下,通过在模型训练中引入无标记样本来避免传统监督学习在训练样本不足(学习不充分)时出现性能(或模型)退化的问题.半监督学习已在许多领域被成功应用.回顾了半监督学习的发展历程和主要理论,并介绍了半监督学习研究的最新进展,最后结合应用实例分析了半监督学习在解决实际问题中的重要作用.
展开更多
关键词
机器学习
半监督学习
图的拉普拉斯矩阵
在线阅读
下载PDF
职称材料
题名
图卷积算法的研究进展
被引量：
1
1
作者
郑睿刚
陈伟福
冯国灿
机构
中山大学数学学院
中山大学广东省计算科学重点实验室
出处
《中山大学学报（自然科学版）》
CAS
CSCD
北大核心
2020年第2期1-14,共14页
基金
国家自然科学基金(61673018,61272338,61703443)
广州市科技计划项目(201804010255)。
文摘
近年来,随着科学技术的发展,越来越多的数据以图的形式呈现和存储。图是不规则的数据,具有分散性和无序性,除了节点本身可赋予数据的特征外,边权信息更可以刻画节点间的相似性。虽然传统的深度卷积网络能有效处理图像、视频、语音等规则的数据,但直接用以处理图的数据效果并不理想。如何借鉴传统的卷积算法,提出适应图数据特点的学习算法,是当前深度学习研究的一个热点。文章拟对面向图数据的图卷积算法进行归纳总结,然而由于篇幅有限,无法对所有算法做到面面俱到的介绍,因此文章侧重于介绍模型背后的原理,分析并指出这些算法的优缺点,同时扼要介绍图卷积网络的主要应用。
关键词
图
卷积神经网络
图的拉普拉斯矩阵
图的
傅立叶变换
图的
卷积变换
图的
节点分类
图的
分类
Keywords
graph convolutional networks
graph Laplacian matrix
graph Fourier transformation
graph convolution
node classification
graph classification
分类号
TP391.4 [自动化与计算机技术—计算机应用技术]
在线阅读
下载PDF
职称材料
题名
半监督学习理论及其研究进展概述
被引量：
36
2
作者
屠恩美
杨杰
机构
上海交通大学电子信息与电气工程学院
出处
《上海交通大学学报》
EI
CAS
CSCD
北大核心
2018年第10期1280-1291,共12页
基金
国家自然科学基金资助项目(61572315
61806125)
国家重点基础研究发展计划资助项目(2015CB856004)
文摘
半监督学习介于传统监督学习和无监督学习之间,是一种新型机器学习方法,其思想是在标记样本数量很少的情况下,通过在模型训练中引入无标记样本来避免传统监督学习在训练样本不足(学习不充分)时出现性能(或模型)退化的问题.半监督学习已在许多领域被成功应用.回顾了半监督学习的发展历程和主要理论,并介绍了半监督学习研究的最新进展,最后结合应用实例分析了半监督学习在解决实际问题中的重要作用.
关键词
机器学习
半监督学习
图的拉普拉斯矩阵
Keywords
machine learning
semi-supervised learning
graph Laplacian
分类号
TP181 [自动化与计算机技术—控制理论与控制工程]
在线阅读
下载PDF
职称材料
题名
作者
出处
发文年
被引量
操作
1
图卷积算法的研究进展
郑睿刚
陈伟福
冯国灿
《中山大学学报（自然科学版）》
CAS
CSCD
北大核心
2020
1
在线阅读
下载PDF
职称材料
2
半监督学习理论及其研究进展概述
屠恩美
杨杰
《上海交通大学学报》
EI
CAS
CSCD
北大核心
2018
36
在线阅读
下载PDF
职称材料
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
上一页
1
下一页
到第
页
确定
用户登录
登录
IP登录
使用帮助
返回顶部
