91欧美超碰AV自拍|国产成年人性爱视频免费看|亚洲 日韩 欧美一厂二区入|人人看人人爽人人操aV|丝袜美腿视频一区二区在线看|人人操人人爽人人爱|婷婷五月天超碰|97色色欧美亚州A√|另类A√无码精品一级av|欧美特级日韩特级

0
  • 聊天消息
  • 系統(tǒng)消息
  • 評(píng)論與回復(fù)
登錄后你可以
  • 下載海量資料
  • 學(xué)習(xí)在線課程
  • 觀看技術(shù)視頻
  • 寫文章/發(fā)帖/加入社區(qū)
會(huì)員中心
創(chuàng)作中心

完善資料讓更多小伙伴認(rèn)識(shí)你,還能領(lǐng)取20積分哦,立即完善>

3天內(nèi)不再提示

圖神經(jīng)網(wǎng)絡(luò)逆勢(shì)而上,7日學(xué)懂入門圖

算法與數(shù)據(jù)結(jié)構(gòu) ? 來源:算法與數(shù)據(jù)結(jié)構(gòu) ? 作者:算法與數(shù)據(jù)結(jié)構(gòu) ? 2020-11-26 13:54 ? 次閱讀
加入交流群
微信小助手二維碼

掃碼添加小助手

加入工程師交流群

要問這幾年一直在逆勢(shì)而上的技術(shù)有哪些?你一定不會(huì)忽略它——圖神經(jīng)網(wǎng)絡(luò)

相比傳統(tǒng)神經(jīng)網(wǎng)絡(luò),圖神經(jīng)網(wǎng)絡(luò)的優(yōu)勢(shì)非常明顯:

1、非順序排序的特征學(xué)習(xí):GNN的輸出不以節(jié)點(diǎn)的輸入順序?yàn)檗D(zhuǎn)移的。

2、兩個(gè)節(jié)點(diǎn)之間依賴關(guān)系的學(xué)習(xí):傳統(tǒng)的神經(jīng)網(wǎng)絡(luò)中,這種依賴關(guān)系只能通過節(jié)點(diǎn)的特征來體現(xiàn)。

3、推理能力:GNN能夠從非結(jié)構(gòu)化數(shù)據(jù)(例如:場(chǎng)景圖片、故事片段等)中生成推理圖。

因此,圖神經(jīng)網(wǎng)絡(luò)在生物學(xué)、地圖、金融、搜索、推薦、高能物理學(xué)到社會(huì)科學(xué)和經(jīng)濟(jì)學(xué)等領(lǐng)域的復(fù)雜關(guān)系建模和互動(dòng)系統(tǒng)構(gòu)建起到重要作用。例如,在社交軟件Twitter 和 Facebook 等社交網(wǎng)絡(luò)上取得了顯著的成功。

在實(shí)際場(chǎng)景中,有大量的數(shù)據(jù)是在非歐式空間,限制了深度神經(jīng)網(wǎng)絡(luò)的應(yīng)用。得益于圖神經(jīng)網(wǎng)絡(luò)在非結(jié)構(gòu)化數(shù)據(jù)上出色的處理能力,它在學(xué)界與工業(yè)界上大放光彩。然而,圖神經(jīng)網(wǎng)絡(luò)模型目前仍處于前期高速發(fā)展期,面臨著多項(xiàng)方法論和實(shí)踐挑戰(zhàn)。

百度作為AI領(lǐng)域的領(lǐng)頭羊企業(yè),在圖神經(jīng)網(wǎng)絡(luò)領(lǐng)域的研究、產(chǎn)業(yè)實(shí)踐、工業(yè)落地方面,積累了豐富的經(jīng)驗(yàn)!作為百度圖神經(jīng)網(wǎng)絡(luò)研究的中堅(jiān)力量,百度PGL團(tuán)隊(duì)?wèi)?zhàn)績(jī)累累,刷新圖神經(jīng)網(wǎng)絡(luò)權(quán)威榜單OGB三項(xiàng)榜單SOTA以及獲得今年COLING協(xié)辦比賽TextGraph冠軍!

圖神經(jīng)網(wǎng)絡(luò)技術(shù)已被應(yīng)用在百度內(nèi)數(shù)十個(gè)實(shí)際項(xiàng)目中,大幅度提升公司效益。為了幫助廣大同學(xué)入門圖學(xué)習(xí),百度飛槳PGL團(tuán)隊(duì)開發(fā)了「圖神經(jīng)網(wǎng)絡(luò)7日打卡營(yíng)」。

面對(duì)肆虐全球的新冠疫情,團(tuán)隊(duì)還在課程中設(shè)置了「實(shí)戰(zhàn)演練新冠疫苗項(xiàng)目」:由于mRNA結(jié)構(gòu)極不穩(wěn)定,通常需零下70度保存,帶來了冷鏈存儲(chǔ)和運(yùn)輸?shù)缺姸嚯y題。因此,我們將通過圖神經(jīng)網(wǎng)絡(luò)算法篩選出結(jié)構(gòu)更加穩(wěn)定的mRNA,為疫苗的長(zhǎng)途運(yùn)輸問題的解決貢獻(xiàn)一份力量。一起對(duì)抗疫情,讓同學(xué)們?cè)趯?shí)戰(zhàn)中解決問題!

責(zé)任編輯:PSY

原文標(biāo)題:7天搞定圖神經(jīng)網(wǎng)絡(luò),實(shí)戰(zhàn)助力新冠疫情防控!

文章出處:【微信公眾號(hào):算法與數(shù)據(jù)結(jié)構(gòu)】歡迎添加關(guān)注!文章轉(zhuǎn)載請(qǐng)注明出處。

聲明:本文內(nèi)容及配圖由入駐作者撰寫或者入駐合作網(wǎng)站授權(quán)轉(zhuǎn)載。文章觀點(diǎn)僅代表作者本人,不代表電子發(fā)燒友網(wǎng)立場(chǎng)。文章及其配圖僅供工程師學(xué)習(xí)之用,如有內(nèi)容侵權(quán)或者其他違規(guī)問題,請(qǐng)聯(lián)系本站處理。 舉報(bào)投訴
  • 神經(jīng)網(wǎng)絡(luò)

    關(guān)注

    42

    文章

    4838

    瀏覽量

    107779
  • 網(wǎng)絡(luò)
    +關(guān)注

    關(guān)注

    14

    文章

    8265

    瀏覽量

    94768
  • GNN
    GNN
    +關(guān)注

    關(guān)注

    1

    文章

    31

    瀏覽量

    6780

原文標(biāo)題:7天搞定圖神經(jīng)網(wǎng)絡(luò),實(shí)戰(zhàn)助力新冠疫情防控!

文章出處:【微信號(hào):TheAlgorithm,微信公眾號(hào):算法與數(shù)據(jù)結(jié)構(gòu)】歡迎添加關(guān)注!文章轉(zhuǎn)載請(qǐng)注明出處。

收藏 人收藏
加入交流群
微信小助手二維碼

掃碼添加小助手

加入工程師交流群

    評(píng)論

    相關(guān)推薦
    熱點(diǎn)推薦

    神經(jīng)網(wǎng)絡(luò)的初步認(rèn)識(shí)

    日常生活中的智能應(yīng)用都離不開深度學(xué)習(xí),深度學(xué)習(xí)則依賴于神經(jīng)網(wǎng)絡(luò)的實(shí)現(xiàn)。什么是神經(jīng)網(wǎng)絡(luò)?神經(jīng)網(wǎng)絡(luò)的核心思想是模仿生物神經(jīng)系統(tǒng)的結(jié)構(gòu),特別是大
    的頭像 發(fā)表于 12-17 15:05 ?330次閱讀
    <b class='flag-5'>神經(jīng)網(wǎng)絡(luò)</b>的初步認(rèn)識(shí)

    CNN卷積神經(jīng)網(wǎng)絡(luò)設(shè)計(jì)原理及在MCU200T仿真測(cè)試

    數(shù)的提出很大程度的解決了BP算法在優(yōu)化深層神經(jīng)網(wǎng)絡(luò)時(shí)的梯度耗散問題。當(dāng)x&gt;0 時(shí),梯度恒為1,無梯度耗散問題,收斂快;當(dāng)x&lt;0 時(shí),該層的輸出為0。 CNN
    發(fā)表于 10-29 07:49

    NMSIS神經(jīng)網(wǎng)絡(luò)庫(kù)使用介紹

    _opt() riscv_fully_connected_q7()   在NS跑時(shí)和arm的神經(jīng)網(wǎng)絡(luò)庫(kù)一致,可在github上下載CMSIS的庫(kù),然后加入到自己庫(kù)所在的路徑下即可。
    發(fā)表于 10-29 06:08

    如何通過地址生成器實(shí)現(xiàn)神經(jīng)網(wǎng)絡(luò)特征的padding?

    對(duì)于SiamFC網(wǎng)絡(luò)結(jié)構(gòu),我們?cè)O(shè)計(jì)的卷積核寬度為3*3,卷積步長(zhǎng)為1,則經(jīng)卷積過后,特征寬度會(huì)減少2,為了滿足我們所設(shè)計(jì)的pe陣列的計(jì)算要求,則需要對(duì)輸出特征外圍進(jìn)行補(bǔ)零處理,以擴(kuò)充特征
    發(fā)表于 10-22 08:15

    在Ubuntu20.04系統(tǒng)中訓(xùn)練神經(jīng)網(wǎng)絡(luò)模型的一些經(jīng)驗(yàn)

    本帖欲分享在Ubuntu20.04系統(tǒng)中訓(xùn)練神經(jīng)網(wǎng)絡(luò)模型的一些經(jīng)驗(yàn)。我們采用jupyter notebook作為開發(fā)IDE,以TensorFlow2為訓(xùn)練框架,目標(biāo)是訓(xùn)練一個(gè)手寫數(shù)字識(shí)別的神經(jīng)網(wǎng)絡(luò)
    發(fā)表于 10-22 07:03

    CICC2033神經(jīng)網(wǎng)絡(luò)部署相關(guān)操作

    在完成神經(jīng)網(wǎng)絡(luò)量化后,需要將神經(jīng)網(wǎng)絡(luò)部署到硬件加速器。首先需要將所有權(quán)重?cái)?shù)據(jù)以及輸入數(shù)據(jù)導(dǎo)入到存儲(chǔ)器內(nèi)。 在仿真環(huán)境下,可將其存于一個(gè)文件,并在 Verilog 代碼中通過 readmemh 函數(shù)
    發(fā)表于 10-20 08:00

    液態(tài)神經(jīng)網(wǎng)絡(luò)(LNN):時(shí)間連續(xù)性與動(dòng)態(tài)適應(yīng)性的神經(jīng)網(wǎng)絡(luò)

    1.算法簡(jiǎn)介液態(tài)神經(jīng)網(wǎng)絡(luò)(LiquidNeuralNetworks,LNN)是一種新型的神經(jīng)網(wǎng)絡(luò)架構(gòu),其設(shè)計(jì)理念借鑒自生物神經(jīng)系統(tǒng),特別是秀麗隱桿線蟲的神經(jīng)結(jié)構(gòu),盡管這種微生物的
    的頭像 發(fā)表于 09-28 10:03 ?1224次閱讀
    液態(tài)<b class='flag-5'>神經(jīng)網(wǎng)絡(luò)</b>(LNN):時(shí)間連續(xù)性與動(dòng)態(tài)適應(yīng)性的<b class='flag-5'>神經(jīng)網(wǎng)絡(luò)</b>

    神經(jīng)網(wǎng)絡(luò)的并行計(jì)算與加速技術(shù)

    隨著人工智能技術(shù)的飛速發(fā)展,神經(jīng)網(wǎng)絡(luò)在眾多領(lǐng)域展現(xiàn)出了巨大的潛力和廣泛的應(yīng)用前景。然而,神經(jīng)網(wǎng)絡(luò)模型的復(fù)雜度和規(guī)模也在不斷增加,這使得傳統(tǒng)的串行計(jì)算方式面臨著巨大的挑戰(zhàn),如計(jì)算速度慢、訓(xùn)練時(shí)間長(zhǎng)等
    的頭像 發(fā)表于 09-17 13:31 ?1129次閱讀
    <b class='flag-5'>神經(jīng)網(wǎng)絡(luò)</b>的并行計(jì)算與加速技術(shù)

    如何在機(jī)器視覺中部署深度學(xué)習(xí)神經(jīng)網(wǎng)絡(luò)

    1:基于深度學(xué)習(xí)的目標(biāo)檢測(cè)可定位已訓(xùn)練的目標(biāo)類別,并通過矩形框(邊界框)對(duì)其進(jìn)行標(biāo)識(shí)。 在討論人工智能(AI)或深度學(xué)習(xí)時(shí),經(jīng)常會(huì)出現(xiàn)“神經(jīng)網(wǎng)絡(luò)”、“黑箱”、“標(biāo)注”等術(shù)語(yǔ)。這些概念對(duì)非專業(yè)
    的頭像 發(fā)表于 09-10 17:38 ?901次閱讀
    如何在機(jī)器視覺中部署深度學(xué)習(xí)<b class='flag-5'>神經(jīng)網(wǎng)絡(luò)</b>

    基于神經(jīng)網(wǎng)絡(luò)的數(shù)字預(yù)失真模型解決方案

    在基于神經(jīng)網(wǎng)絡(luò)的數(shù)字預(yù)失真(DPD)模型中,使用不同的激活函數(shù)對(duì)整個(gè)系統(tǒng)性能和能效有何影響?
    的頭像 發(fā)表于 08-29 14:01 ?3472次閱讀

    無刷電機(jī)小波神經(jīng)網(wǎng)絡(luò)轉(zhuǎn)子位置檢測(cè)方法的研究

    摘要:論文通過對(duì)無刷電機(jī)數(shù)學(xué)模型的推導(dǎo),得出轉(zhuǎn)角:與三相相電壓之間存在映射關(guān)系,因此構(gòu)建了一個(gè)以三相相電壓為輸人,轉(zhuǎn)角為輸出的小波神經(jīng)網(wǎng)絡(luò)來實(shí)現(xiàn)轉(zhuǎn)角預(yù)測(cè),并采用改進(jìn)遺傳算法來訓(xùn)練網(wǎng)絡(luò)結(jié)構(gòu)與參數(shù),借助
    發(fā)表于 06-25 13:06

    神經(jīng)網(wǎng)絡(luò)專家系統(tǒng)在電機(jī)故障診斷中的應(yīng)用

    摘要:針對(duì)傳統(tǒng)專家系統(tǒng)不能進(jìn)行自學(xué)習(xí)、自適應(yīng)的問題,本文提出了基于種經(jīng)網(wǎng)絡(luò)專家系統(tǒng)的并步電機(jī)故障診斷方法。本文將小波神經(jīng)網(wǎng)絡(luò)和專家系統(tǒng)相結(jié)合,充分發(fā)揮了二者故障診斷的優(yōu)點(diǎn),很大程度上降低了對(duì)電機(jī)
    發(fā)表于 06-16 22:09

    神經(jīng)網(wǎng)絡(luò)RAS在異步電機(jī)轉(zhuǎn)速估計(jì)中的仿真研究

    眾多方法中,由于其結(jié)構(gòu)簡(jiǎn)單,穩(wěn)定性好廣泛受到人們的重視,且已被用于產(chǎn)品開發(fā)。但是MRAS仍存在在低速區(qū)速度估計(jì)精度下降和對(duì)電動(dòng)機(jī)參數(shù)變化非常敏感的問題。本文利用神經(jīng)網(wǎng)絡(luò)的特點(diǎn),使估計(jì)更為簡(jiǎn)單、快速
    發(fā)表于 06-16 21:54

    基于FPGA搭建神經(jīng)網(wǎng)絡(luò)的步驟解析

    本文的目的是在一個(gè)神經(jīng)網(wǎng)絡(luò)已經(jīng)通過python或者M(jìn)ATLAB訓(xùn)練好的神經(jīng)網(wǎng)絡(luò)模型,將訓(xùn)練好的模型的權(quán)重和偏置文件以TXT文件格式導(dǎo)出,然后通過python程序?qū)xt文件轉(zhuǎn)化為coe文件,(coe
    的頭像 發(fā)表于 06-03 15:51 ?1215次閱讀
    基于FPGA搭建<b class='flag-5'>神經(jīng)網(wǎng)絡(luò)</b>的步驟解析

    NVIDIA實(shí)現(xiàn)神經(jīng)網(wǎng)絡(luò)渲染技術(shù)的突破性增強(qiáng)功能

    近日,NVIDIA 宣布了 NVIDIA RTX 神經(jīng)網(wǎng)絡(luò)渲染技術(shù)的突破性增強(qiáng)功能。NVIDIA 與微軟合作,將在 4 月的 Microsoft DirectX 預(yù)覽版中增加神經(jīng)網(wǎng)絡(luò)著色技術(shù),讓開
    的頭像 發(fā)表于 04-07 11:33 ?1182次閱讀