归档: 2020 | 卢一云的博客

2020

09

08

论文精读-Transformer-2017

本研究提出了Transformer——一个输入序列、输出序列的encoder-decoder架构。其创新之处在于使用self-attention和point-wise来代替了传统的CNNs或RNNs来处理序列，提高了并行能力。

2020-09-08 Paper-Method

07

论文精读-DeepWalk-2014

最早的基于随机游走的图嵌入算法，非常巧妙的思想。

2020-09-07 Paper-Method

Deep Learning Unsupervised Learning Graph Embedding

05

论文精读-HetSANN-2019

本研究通过对GAT模型的进一步细化和改进，提出了一种专门对异质图（拥有不同类型的节点和边）进行特征学习的图神经网络。

2020-09-05 Paper-Method

Deep Learning Graph Neural Networks

02

论文精读-ASAP-2020

本研究提出了一种新的pooling算法，其相当于结合了DiffPool的assignment matrix思想和TopKPool、SAGPool的sparse特性，并且进行了相当的改进（M2T self-attention，LEConv）。

2020-09-02 Paper-Method

Deep Learning Graph Neural Networks Pooling

01

论文精读-EdgePool-2019

一种新的graph pooling方法，其不再将焦点放在node而是edge上，通过收缩edge来将两个nodes聚合从而完成graph的pooling。

2020-09-01 Paper-Method

Deep Learning Graph Neural Networks Pooling

01

论文精读-SAGpool-2019

本研究提出了一种新的graph pooling算法——SAGPool，可以同时考虑topology和feature的信息。具体来看，可以看做是对Graph U-Net中gPool算法的推广。在其实验中表现惊艳。

2020-09-01 Paper-Method

Deep Learning Graph Neural Networks Pooling

01

论文精读-Graph Unet-2019

提出了新的一种pooling操作--gPool（有其他文章称为TopKpool）和unpooling操作--gUnpool，配合改进的GCN，在graph上构建了U-net框架进行feature extraction。

2020-09-01 Paper-Method

Deep Learning Unsupervised Learning Graph Neural Networks Pooling

01

文献精读-DiffPool-2018

本研究提出了一种在Graph上进行pooling的算法，以配合GNN进行使用，其使用的是软阈值分配。

2020-09-01 Paper-Method

Deep Learning Graph Neural Networks Pooling

08

28

论文精读-对graph的深度学习的深度介绍-2020

一个梳理性质的关于深度图学习的综述。

2020-08-28 Paper-Review

Deep Learning Graph Neural Networks

26

论文精读-conditional pixelCNN-2016

基于pixelCNN架构的自回归模型

2020-08-26 Paper-Method

Deep Learning Unsupervised Learning Autoregressive

07

28

论文精读-MADE-2015

基于mask的深度自回归算法用于进行概率密度估计。

2020-07-28 Paper-Method

Deep Learning Unsupervised Learning Autoregressive

27

论文精读-DeepBind预测DNA/RNA蛋白结合位点-2015

Predicting the sequence specificities of DNA- and RNA-binding proteins by deep learning 杂志: Nature Biotechnology IF: 分区

2020-07-27 Paper Method

Deep Learning Omics