释放双眼，带上耳机，听听看~！
本文是关于图神经网络（GNN）相关论文的速读，包括TOGL和ST-GNN模型的摘要简介和实验结果。适合对GNN和深度学习感兴趣的读者。
本文已参与「新人创作礼」活动，一起开启掘金创作之路。
- 欢迎关注WX公众号，每周发布论文解析：PaperShare,
点我关注
这是一个讲解图神经网络（GNN）的系列文章，我会选一些和自己相关，并且觉得重要的文章来进行速度，之后如果有需要，会对有意思的文章进行精读。
论文列表
目前找了录用的一些有关于Graph或者GNN的文章，先过一遍各个文章的摘要，然后再花时间对觉得比较重要或者有趣的文章进行详细阅读。
摘要速读
Paper1
摘要简介
- 提出了叫做TOGL的一种可以增强任意GNN的层结构。
- 配备了TOGL的GNN严格上比MPNN（message passing）的GNN在WL test类型的任务上要更具表达能力。
- 在图分类，节点分类任务上效果好，包括真实数据集和人工数据集。
实验
Paper2
摘要简介
- 提出一种GNN模型架构ST-GNN，专门针对具有空间时间拓扑结构随时间而变化的数据集。
- 该model关键点在于将时间卷积和空间卷积整合到一个激活函数下面。
- 定义了一种Multivariate Integral Lipschitz Filters，理论上，在topology会变化的情况下，也比较稳定。
- 在flocking, 和 motion planning两类任务上效果不错。
实验
Paper3-Paper4
本网站的内容主要来自互联网上的各种资源，仅供参考和信息分享之用，不代表本网站拥有相关版权或知识产权。如您认为内容侵犯您的权益，请联系我们，我们将尽快采取行动，包括删除或更正。
