基于改進圖卷積神經網絡的半監(jiān)督分類
摘 要:圖卷積神經網絡(GCN)是一種用于處理圖數據的深度學習模型.在經典的GCN中節(jié)點之間的聚合,未考慮節(jié)點間相似度的特征信息,影響了分類模型的準確性和模型訓練的收斂速度.本文提出了一種改進聚合權重的圖卷積神經網絡IAW-GCN,通過利用描述節(jié)點相似度的曼哈頓距離度量設計了節(jié)點聚合權重函數,并用節(jié)(剩余12836字)
目錄
- 雜原子摻雜木質素基碳纖維的制備...
- 靜電紡聚合物基空氣過濾材料的制...
- 改良A/O-垂直流人工濕地組合...
- 城鎮(zhèn)復合型污水處理廠水質監(jiān)測與...
- 微粉碎對茯茶理化特性及體外降糖...
- 黑豆(大豆屬)降血糖活性成分及...
- 葛根素通過AMPK/mTOR通...
- 檳榔次堿速效抗疲勞活性及其通過...
- 無金屬催化烯烴反馬氏氧化為酯類...
- SiO2基光子晶體與非晶光子晶...
- 聚合物光子晶體對己二胺的響應檢...
- 稀土離子熒光探針的合成及其對鉛...
- 固體緩蝕劑膠囊顆粒的制備及其緩...
- 硅藻土衍生硅碳負極材料的制備及...
- Sn摻雜ZIF-8衍生ZnO納...
- 單軸拉伸下γ'-聚偏氟...
- 顯微組織對Ti-40Al-8N...
- 基于Halbach陣列的新型吸...
- 基于PID與模糊控制的汽車集成...
- 基于多步自校正Q學習的孤島微電...
- 基于Maxwell模型的壓電驅...
- 含分布式電源選址定容的配電網重...
- 基于改進圖卷積神經網絡的半監(jiān)督...
- 融合改進NBEATSx和時間注...
- 多任務特征融合的CenterN...
- 區(qū)間值直覺模糊β覆蓋粗糙集模型...