科技V计划推荐几个近年的图卷积网络算法 _游戏世界

【科技V计划推荐几个近年的图卷积网络算法】#科技V计划# 【推荐几个近年的图卷积网络算法，相比原来的GCN和GAT效果都有大大的提高】
推荐几个近年的图卷积网络算法， MixHop、Graph U-nets、GraphNas、GMNN ，相比原来的 GCN 和 GAT 效果都有大大的提高。
一个是 DeepWalk 作者 Bryan Perozzi 等人的「MixHop: Higher-Order Graph Convolutional Architectures via Sparsified Neighborhood Mixing」UCLA 和 google 的作品， Mixture 思路是个很赞的想法 MixHop: Higher-Order Graph Convolutional Architectures via S...
另一个是我的一个好朋友 Shuiwang Ji 的 ICML 论文「Graph U-Nets」（现在在多个数据集上效果可能是最好的，比 GCN 高好几个点Graph U-Nets | AMiner - AMiner
还有一个是面向图卷积的自动网络架构搜索 GraphNAS: Graph Neural Architecture Search with Reinforcement Learning 国产大片，值得一看 GraphNAS: Graph Neural Architecture Search with Reinforcemen...
最后一个就是 GMNN: Graph Markov Neural Networks ，这个是发在 ICML 2019 上，图马尔科夫神经网络，这个思路非常好，就是结合神经网络和概率图，这个作者之一还是图灵奖 Yoshua Bengio ，另一个作者是我的好朋友 Jian Tang GMNN: Graph Markov Neural Networks | AMiner - AMiner

文章插图

科技V计划 推荐几个近年的图卷积网络算法

科技V计划推荐几个近年的图卷积网络算法