|147页详述结构在神经网络中的复兴,图注意力网络一作博士论文公开( 三 )
问题三
Q3：图卷积网络在何种程度上对于图结构数据的无监督学习是有意义的？在形式化图无监督目标时 ， 是否可以有效利用图的全局结构属性？
论文第五章和《Deep Graph Infomax》研究了此前基于图进行无监督表征学习的方法（主要基于随机游走） ， 发现这些方法不太适合与图卷积编码器结合使用 。
基于图像领域局部互信息最大化的之前工作 ， 作者提出了针对图结构输入的 Deep Graph Infomax (DGI) 学习算法 。 该无监督目标使图的每个局部组件都能完美地记住图的全局结构属性 。 结果表明 ， 该模型在生成节点嵌入方面与使用监督目标训练的类似编码器性能相当 ， 甚至更优 。
除了介绍作者的主要研究贡献以外 ， 这篇博士论文还对深度神经网络的背景信息进行了全面概括（第 2 章） ， 尤其提供了具备结构归纳偏置的相关模型的基本数学细节（从 CNN 和 RNN 再到图卷积网络） 。 论文第六章对全文进行了总结 ， 并描述了未来的工作方向 。
以下是这篇博士论文的目录：
本文插图
本文插图
本文插图
【|147页详述结构在神经网络中的复兴,图注意力网络一作博士论文公开】
推荐阅读
- 中年|[普及知识]光纤结构和分类
- 中年|不改变网络结构也能组建虚拟局域网？蒲公英P5就可以
- 焊接件|机械结构设计规范，焊接件设计准则，焊接工艺设计基础知识
- |进展 | 原位电镜石墨烯液相反应池方法生长BeO新型二维晶体结构
- 华硕灵|华硕灵耀14拆机简析
- 宇宙|武仙座发现宇宙中的最大结构，长100亿光年，改观了科学家的认知
- 张玉忠|刘鲁宁/张玉忠团队合作取得光合膜天然结构研究重要进展
- 技术编程|基于结构拓扑优化的宽频带圆极化宽槽天线设计案例
- 科学|嫦娥四号进入第二十月昼 揭秘冯·卡门撞击坑地下结构
- 嫦娥四号|嫦娥四号迎第二十月昼，科学成果揭秘冯·卡门撞击坑地下结构