精华内容
下载资源
问答
  • Graph

    2015-12-07 23:00:04
    Graph

    Graph representation

    • Set of edges
      • 不便于实现graph API(每次访问顶点的边都需要遍历)
    • Adjacency-matrix
      • space inefficient (N^2)
    • Adjacency-list
      • practical representation (V+2E?)

    Graph challenges

    • Graph bipartite
      • Linear time
    • Euler tour
      • 哥尼斯堡七桥问题
      • 给定一个图,能否找到一个环路,经过每条edge一次且仅一次
      • Linear time
    • Hamilton cycle
      • 又称旅行者问题 (traveling salesman)
      • 给定一个图,能否找到一个环路,经过每个vertex一次且仅一次
      • NP问题
    • Graph isomorphism
      • Intractable
    展开全文
  • Graph Classification Graph Kernels

    万次阅读 2019-12-14 13:43:15
    Graph Kernels A Persistent Weisfeiler–Lehman Procedure for Graph Classification (ICML 2019) Sebastian Rieck, Christian Bock, and Karsten Borgwardt [Paper] [Python Reference] Message Passing ...

    Graph Kernels

    • A Persistent Weisfeiler–Lehman Procedure for Graph Classification (ICML 2019)

    • Message Passing Graph Kernels (2018)

    • Matching Node Embeddings for Graph Similarity (AAAI 2017)

      • Giannis Nikolentzos, Polykarpos Meladianos, and Michalis Vazirgiannis
      • [Paper]
    • Global Weisfeiler-Lehman Graph Kernels (2017)

    • On Valid Optimal Assignment Kernels and Applications to Graph Classification (2016)

    • Efficient Comparison of Massive Graphs Through The Use Of ‘Graph Fingerprints’ (MLGWorkshop 2016)

    • The Multiscale Laplacian Graph Kernel (NIPS 2016)

    • Faster Kernels for Graphs with Continuous Attributes (ICDM 2016)

    • Propagation Kernels: Efficient Graph Kernels From Propagated Information (Machine Learning 2016)

    • Halting Random Walk Kernels (NIPS 2015)

    • A Graph Kernel Based on the Jensen-Shannon Representation Alignment (IJCAI 2015)

    • An Aligned Subtree Kernel for Weighted Graphs (ICML 2015)

      • Lu Bai, Luca Rossi, Zhihong Zhang, Edwin R. Hancock
      • [Paper]
    • Scalable Kernels for Graphs with Continuous Attributes (NIPS 2013)

      • Aasa Feragen, Niklas Kasenburg, Jens Petersen, Marleen de Bruijne and Karsten Borgwardt
      • [Paper]
    • Subgraph Matching Kernels for Attributed Graphs (ICML 2012)

    • Nested Subtree Hash Kernels for Large-Scale Graph Classification over Streams (ICDM 2012)

    • Weisfeiler-Lehman Graph Kernels (JMLR 2011)

    • Two New Graphs Kernels in Chemoinformatics (Pattern Recognition Letters 2012)

    • Fast Neighborhood Subgraph Pairwise Distance Kernel (ICML 2010)

    • Graph Kernels (JMLR 2010)

    • A Linear-time Graph Kernel (ICDM 2009)

    • Weisfeiler-Lehman Subtree Kernels (NIPS 2009)

    • Kernel on Bag of Paths For Measuring Similarity of Shapes (InESANN 2007)

    • Fast Computation of Graph Kernels (NIPS 2006)

    • Shortest-Path Kernels on Graphs (ICDM 2005)

    • Graph Kernels for Chemical Informatics (Neural Networks 2005)

    • Cyclic Pattern Kernels For Predictive Graph Mining (KDD 2004)

    • Extensions of Marginalized Graph Kernels (ICML 2004)

    • Extensions of Marginalized Graph Kernels (ICML 2004)

    • Marginalized Kernels Between Labeled Graphs (ICML 2003)

    • On Graph Kernels: Hardness Results and Efficient Alternatives (Learning Theory and Kernel Machines 2003)

    展开全文
  • Markdown Graph

    2020-06-19 17:17:10
    graph ### 1. Base ``` graph LR A-->B ``` ``` 1. graph LR 从左到右排列 ,同理 RL 2. graph BT 从上到下排列,同理 TB ``` ### 2. Content ``` graph LR A[Content A]-->B[Content B] B-->C[Content C...

    Markdown阅读器打开(https://blog.csdn.net/liu8497/article/details/106860538)

    ## 1. graph

    ### 1. Base
    ```
    graph LR 
    A-->B
    ```
    ```
    1. graph LR 从左到右排列 ,同理 RL
    2. graph BT 从上到下排列,同理 TB
    ```

    ### 2. Content
    ```
    graph LR
    A[Content A]-->B[Content B]
    B-->C[Content C]
    B-->D[Content D]
    ```

    ### 3. Shape
    ```
    graph LR
    A1-1(Graph Type)-->A2-1(1:Round Rectangle)
    A2-1-.-A3-1[表示程序的开始或者结束]

    A1-1-->A2-2[2:Rectangle]
    A2-2-.-A3-2[一般用作要执行的处理]

    A1-1-->A2-3{3:菱形}
    A2-3-.-A3-3[表示决策或判断]

    A1-1-->A2-4>Particular shape]
    A2-4-.-A3-4[Unknown]

    A1-1-->A2-5((圆形))
    A2-5-.-A3-5[Usecase]
    ```

    ### 4. Line
    ```
    graph TB
    A-->B0
    A---B1
    A-.-B2
    A-->|Link1|B3
    A---|Link2|B4
    A==>B5
    A===B6
    ```

    ### 5. Subgraph
    ```
    graph LR
    A-->B
    B-->C
    D-->C

    subgraph Sub1
    B-->E
    end

    subgraph Sub2
    B-->F
    end
    ```

    ### 6. Style
    ```
    graph LR
    style A fill:#f9f,stroke:#333,stroke-width:4px,fill-opacity:0.5
    style B fill:#ccf,stroke:#333,stroke-width:2px,fill-opacity:1,stroke-dasharray:5,5

    A-->B
    ```

    展开全文
  • Tripartite Graph

    2017-04-20 09:24:16
    Many of you know bipartite graph, which is an undirected graph whose vertices can be divided into two non-empty disjoint sets U and V such that every edge connnects a vertex in U to one in V, that is,...
  • Graph Reconstruction

    2017-08-27 16:05:06
    Let there be a simple graph with N vertices but we just know the degree of each vertex. Is it possible to reconstruct the graph only by these information? A simple graph is an undirected graph that ...
  • 1 读《Graph Neural Tangent Kernel: Fusing Graph Neural Networks with Graph Kernels》-NeurIPS 2019 GNN的优势:1. 图神经网络使用多层结构和非线性激活函数来提取图的高阶信息作为特征。 GNN的缺点:1.训练过程...

    1 读《Graph Neural Tangent Kernel: Fusing Graph Neural Networks with Graph Kernels》-NeurIPS 2019

    GNN的优势:1. 图神经网络使用多层结构和非线性激活函数来提取图的高阶信息作为特征。

    GNN的缺点:1.训练过程中存在大量的超参数,且训练过程具有非凸性,使得 GNN 的训练更加困难。2.GNN 的表达能力随参数的数量而变化,在计算资源有限的情况下,很难充分利用 GNN 的表达能力。

    GKs的优势:1. GKs继承了内核方法的所有优点。由于相应的优化问题是凸的,GKs易于训练;2.显式或隐式地,基于输入图的组合特性构建特征向量;3.较好的理论证明。

    GKs的当前缺点:1.手工制作的功能可能不足以捕获高阶的涉及节点间复杂交互的信息。

    这篇文章的核心创新点:提出一类新的graph kernel,即图神经切线核 (GNTKs),它对应于通过梯度下降训练的无限宽的多层 GNN。即结合GNN和GKs两者的优势,提出了一个能像GNNs一样提取强大功能,并且像GKs一样容易训练和分析的模型。 其中的NTKs方法来源于neural tangent kernels(非GNN)Arthur Jacot, Franck Gabriel, and Clément Hongler. Neural tangent kernel: Convergence and generalization in neural networks. arXiv preprint arXiv:1806.07572, 2018.

    1.1相关概念

    • Block Operation:块操作在领域以及本身节点下获得特征。例如典型的块操作:求和,并用非线性变换聚集特征,例如多层感知器(MLP)或紧跟ReLU的完全连接层。

    在这里插入图片描述
    在这里插入图片描述

    • Readout Operation:为了得到一个完整的图的表示,在L个聚合步骤之后,我们对所有的节点特征进行求和。

    在这里插入图片描述

    1.2GNTK

    首先说明NTK(神经切核),其定义为在参数的随机初始化下,随机矩阵H(0)在概率上收敛到的确定的核矩阵。其中的H(t)如下图表示:

    在这里插入图片描述

    所以作者将起类比到GNN中,并将上面的表达式“更新”为,即该式对应的值不随训练次数而改变:

    在这里插入图片描述

    并使用上面的定义重新定义了上面的Block Operation以及Readout Operation

    其中Block Operation:第一个为协方差,第二个为中间核的值

    在这里插入图片描述

    对于每一个 r[R]r \in [R] 定义如下的公式,ll块操作的个数,rr 全连接层。

    在这里插入图片描述
    对于Readout Operation

    在这里插入图片描述

    对于完整的GNTKs和GNN的区别:

    在这里插入图片描述

    GNTK的总体损失为:(在概率为1δ1-\delta下)

    在这里插入图片描述

    1.3 结果

    效果的提升:运算速度提升(在社交数据集中GPU TITAN x 19min-2min),在社会数据集中的分类精度有所提升。

    在社会数据集(社交网络)中的效果好,但是在蛋白质网络中的效果没有前人工作好

    在这里插入图片描述

    块操作数和缩放因子对GNTK性能的影响:

    在这里插入图片描述

    跳跃知识和MLP层数对GNTK性能的影响:

    在这里插入图片描述

    跳跃知识网络(JK)对跳跃知识和MLP层数的影响有望提高性能当跳跃知识被应用时(JK-Net),GNTK在NCI和IMDB数据集上的性能都得到了提高。此外,增加MLP层的数目可以使性能提高0.8%。这些实证结果进一步证实了GNTKs可以继承GNNs的优点,因为GNN架构的改进反映在GNTKs的改进上。我们的结论是,GNTKs对图形表示学习具有吸引力,因为它们可以结合GNNs和GKs的优点。

    可深入

    其他的kernel模型可以看一下的:

    • WL subtree:Nino Shervashidze, Pascal Schweitzer, Erik Jan van Leeuwen, Kurt Mehlhorn, and Karsten M Borgwardt. Weisfeiler-lehman graph kernels. Journal of Machine Learning Research, 12(Sep): 2539–2561, 2011.

    • AWL:Sergey Ivanov and Evgeniy Burnaev. Anonymous walk embeddings. In ICML, 2018.

    • RetGK:Zhen Zhang, Mianzhi Wang, Yijian Xiang, Yan Huang, and Arye Nehorai. RetGK: Graph kernels based on return probabilities of random walks. In NeurIPS, 2018b.

    • graphlet kernel:Nino Shervashidze, SVN Vishwanathan, Tobias Petri, Kurt Mehlhorn, and Karsten Borgwardt. Efficient graphlet kernels for large graph comparison. In Artificial Intelligence and Statistics, pages 488–495, 2009

    • random walk kernel:S Vichy N Vishwanathan, Nicol N Schraudolph, Risi Kondor, and Karsten M Borgwardt. Graph kernels. Journal of Machine Learning Research, 11(Apr):1201–1242, 2010. && Thomas Gärtner, Peter Flach, and Stefan Wrobel. On graph kernels: Hardness results and efficient alternatives. In Learning theory and kernel machines, pages 129–143. Springer, 2003.

    展开全文
  • Connected Graph

    2017-08-15 22:41:16
    An undirected graph is a set V of vertices and a set of E∈{V*V} edges.An undirected graph is connected if and only if for every pair (u,v) of vertices,u is reachable from v. You are to write a ...
  • 最近手头有个项目需要加速graph cut,这里就参考一篇论文banded graph cut: A Multilevel Banded Graph Cuts Method for Fast Image Segmentation(链接: https://pan.baidu.com/s/1-1Wjlzkgd2bd5rynwvKAtg 提取码: ...
  • Graph Classification Factorization

    万次阅读 2019-12-14 13:43:38
    Hierarchical Stochastic Graphlet Embedding for Graph-based Pattern Recognition (Pattern Recognition 2018) Anjan Dutta, Pau Riba, Josep Lladós, Alicia Fornés [Paper] [Matlab Reference]...
  • Undirected Graph

    2017-02-16 03:45:45
    There is an undirected graph with n vertices and m edges. Then Yuta does q operations on this graph. Each operation is described by two integers L,R (1≤L≤R≤n) and can be split into three steps: 1....
  • 【Spark GraphX】Graph Operators最佳实践

    千次阅读 2018-08-25 10:19:41
    Graph图和GraphOps中同时定义了许多用于图计算的操作,如下图所示: 主要分为如下图几类操作: 下面我们通过实例来实践一下上面所提到的Operators。 1.构造图 构造图一般有两种方式,通过Graph object...
  • 请问大神们~ graph cut 和graph cuts 有何区别?是不是差不多呢?
  • Covisibility Graph and Essential Graph

    千次阅读 2016-11-02 00:00:11
    1、Covisibility Graph是一个无向有权图(graph),这个概念最早来自2010的文章[Closing Loops Without Places]。简单来说,每个node就是关键帧,edge的权重就是两个关键帧找到足够多的相同的 3d 点的数目。 2、为了在...
  • 目前比较流行的Neo4j、JanusGraph、TigerGraph等,JanusGraph是开源的,在腾讯和百度都有用。收集了一下几种Graph数据库的对比,从容量、性能、查询能力、分析能力、开源生态等方面考虑: 1. 容量 目前是大数据...
  • 【Shader Graph】Shader Graph入门

    千次阅读 2019-09-27 18:15:54
    Unity2018引用了ShaderGraph:通过可视化界面拖拽就可以实现着色器的创建和编辑,听起来很简单,那我们一起来尝试下吧。 我用的unity版本为2019.1.0f2 一.如何引入ShaderGraph? 方法有两种: 1.新工程: 新建...
  • Microsoft Graph概览

    2018-11-26 09:34:49
    上一篇我们介绍了为什么要学习Microsoft Graph,本篇介绍Microsoft Graph的概览,即Microsoft Graph是什么。 Microsoft Graph中的服务 Office特定产品的API程序集慢慢地进行扩展,逐渐形成了Microsoft Graph。它...
  • Graph Cut

    2017-10-31 11:11:08
    本文主要汇集了一些学习Graph Cut的博文,通过这些文章,可以初步掌握Graph Cut。 zouxy09的专栏 图像分割四部曲: 图像分割之(一)概述 图像分割之(二)Graph Cut(图割) 图像分割之(三)从...
  • Graph SLAM

    千次阅读 2017-06-16 20:23:23
    SLAM 的另一种求解方法是基于图(或网络,Graph)的 SLAM,称之为 Graph SLAM或基于图优化的 SLAM。在 Graph SLAM 中,移动机器人的位姿通过 Graph中的节点(Nodes)表示。由观测或航迹推测得到的位姿之间的约束通过...
  • 图论 Graph Theory

    千次阅读 2019-11-09 15:37:59
    图论 Graph Theory
  • Microsoft Graph浏览器

    2018-12-10 09:22:05
    本篇主要阐述如何使用Graph资源管理器构建我们第一个对Microsoft Graph的调用。 Microsoft Graph产品组让我们能够用测试租户或自己的真实租户非常容易地进行查询测试并查看示例。 我们可以通过下面的地址访问...
  • Graph Classification Deep Learning

    万次阅读 2019-12-14 13:43:25
    GSSNN: Graph Smoothing Splines Neural Network (AAAI 2020) Shichao Zhu, Lewei Zhou, Shirui Pan, Chuan Zhou, Guiying Yan, Bin Wang [Paper] [Python Reference] Graph Neural Tangent Ker...
  • ShaderGraph从入门到实战

    千人学习 2019-09-23 14:15:17
    大智和你一起学习ShaderGraph,在实战中探索。 课程内容 ShaderGraph的基本使用 丰富的实战案例: · 全息效果 · 边缘光效果 · 溶解效果 · 积雪效果 · 扭曲效果 · 干扰效果 ·&...
  • 图数据库JanusGraph实战[1]: JanusGraph简介 作者:胡佳辉(家辉) CSDN博客:https://blog.csdn.net/gobitan   图数据库JanusGraph实战是一个系列文章,将全面介绍JanusGraph的各个方面。 本文是该系列的第一篇...
  • JanusGraph详解

    万次阅读 2019-01-23 10:44:55
    图数据库 JanusGraph   知识图谱 ###1.什么是知识图谱 知识图谱:是显示知识发展进程与结构关系的一系列各种不同的图形,用可视化技术描述知识资源及其载体,挖掘、分析、构建、绘制和显示知识及它们之间的...
  • SLAM Viewing graph optimization

    万次阅读 2019-12-14 12:40:42
    Viewing graph optimization Skeletal graphs for efficient structure from motion. N. Snavely, S. Seitz, R. Szeliski. CVPR 2008 Optimizing the Viewing Graph for Structure-from-Motion. C. Sweeney, T. Satt...
  • 图数据库JanusGraph实战[2]: JanusGraph架构 作者:胡佳辉 CSDN博客:https://blog.csdn.net/gobitan   图数据库JanusGraph实战是一个系列文章,将全面介绍JanusGraph的各个方面。本文是该系列的第二篇,主要...
  • Graph RCNN解读

    千次阅读 2018-10-24 16:29:57
    这个十月一堆事,心情也比较烦闷,就一直没有动笔写blog,之前一直在做scene graph的生成,然后最近恰好看到graph-rcnn这篇很不错的文章,就解读做个记录 Framework 以往做scene graph generation,基本都是在...
  • Graph Bipartite

    2018-03-06 14:43:11
    leetcode785 判断graph是否Bipartite 题目链接:https://leetcode.com/problems/is-graph-bipartite/description/ 一个图为Bipartite当且仅当图的节点能分出两个不相交的顶点集合A和B,图中的任意一条边的两个端点不...
  • JanusGraph·上手JanusGraph

    千次阅读 2018-07-30 13:41:38
    目录 图存储比较 社区 Install and Start gremlin.sh   图存储比较 ...titan 停止更新, janus ...图数据库JanusGraph介绍及使用(一):简介 https://blog.csdn.net/gobitan/article/details/80939224 图数据库Ja...

空空如也

空空如也

1 2 3 4 5 ... 20
收藏数 101,899
精华内容 40,759
关键字:

graph