论文题目：Classic GNNs are Strong Baselines: Reassessing GNNs for Node Classification 日期：2024年10月31日 1. 引言 节点分类是图机器学习中的核心任务，在社交网络分析、生物信息学和推...

1 DQN介绍 要理解DQN，我们首先需要理解Q值。Q值是一个函数，Q(s, a)表示在状态s下执行动作a可以得到的预期奖励。直观上讲，Q值告诉智能体哪些动作在长期来看更有利。 Q学习的目标是找到最优的Q...

1 算法介绍：基于策略的强化学习 想象一下，你正在教一个机器人学习如何走路。在基于策略的强化学习方法中，你直接告诉这个机器人在每一步该如何行动。这种指导是通过一个概率模型来实现的，即...

1 概念 在这个不断进步的技术世界中，强化学习（Reinforcement Learning, RL）作为机器学习的一个重要分支，正迅速发展成为理解人工智能（AI）和机器学习领域的关键。与传统的机器学习方法相比...

项目背景 在医疗领域，高效准确的问诊是提供患者适当医疗建议和诊断的重要环节。然而，医疗问诊通常需要大量时间和人力资源，而且在紧急情况下，及时的医疗建议可能至关重要。因此，本项目的背...

项目背景 糖尿病是一种全球性的慢性疾病，影响着数百万人的生活质量。及早发现糖尿病风险并采取预防措施对于疾病的管理至关重要。因此，开展一个糖尿病预测项目可以帮助医疗机构和患者更好地理...

VAE模型简明指导 VAE最想解决的问题是如何构造编码器和解码器，使得图片能够编码成易于表示的形态，并且这一形态能够尽可能无损地解码回原真实图像。 这似乎听起来与PCA（主成分分析）有些相似...

不管是GraphSAGE，还是GCN，它们的核心思想其实与朴素的GNN思想一致，都是每个节点根据图的连接结构，通过聚合邻居信息来更新自身节点的信息，再把更新后的节点向量送入神经网络层做进一步的学...

项目背景 这个项目的核心在于通过分析2D姿势数据来识别和分类人类和动物的活动。这种方法的独特之处在于它不依赖于更复杂的3D姿势数据或原始2D图像。相反，它使用一种特殊的人工智能网络，即长...

本章来学习一下图注意力网络GAT，首先对标GCN，来谈谈它们的优缺点。 GCN是处理transductive任务的一把利器，transductive任务是指：训练阶段与测试阶段都基于同样的图结构，如下图所示。 ...