专题：图机器学习
共3篇相关文章
谱图论中，Laplacian二次型和Markov转移算子如何关联？
以下部分是我学习CMU 15-751: TCS Toolkit的课堂笔记。接下来将要介绍的是谱图论（spectral graph theory）的关键，也就是Laplacian二次型（Laplacian quadratic form）。直观...
Laplacian算子的谱性质在谱图论中有什么效应？
K为图G的MarKov转移算子，则我们称算子L = I - K为图G的（归一化）Laplacian算子。通过研究L，我们就能把握Laplacian二次型E[f]=⟨f, Lf⟩的特性，从而把握图G的特性，这是谱图理论中至关重要的一点。事实上...
图机器学习：图谱视角下，如何理解图增广的效应？
图对比学习（Graph Contrastive Learning, GCL）旨在以自监督的方式学习图的节点表征。具体而言，先以特定方式对原图A进行增广，得到两个增广后的视图（view）V1和V2做为对比对（也可以是原图和增广后的视图做为对比...