99999久久久久久亚洲,欧美人与禽猛交狂配,高清日韩av在线影院,一个人在线高清免费观看,啦啦啦在线视频免费观看www

熱線電話：13121318867

登錄
首頁大數(shù)據(jù)時代AdaGCN：將傳統(tǒng)方法AdaBoost用于深度圖神經(jīng)網(wǎng)絡(luò)，效果會如何（CDA干貨內(nèi)容分享）
AdaGCN：將傳統(tǒng)方法AdaBoost用于深度圖神經(jīng)網(wǎng)絡(luò)，效果會如何（CDA干貨內(nèi)容分享）
2022-01-14
收藏

作者：CHEONG AI

來源：機器學習與知識圖譜

本文分享一篇ICLR 2021的文章AdaGCN：Adaboosting Graph Convolutional Networks into Deep Models，AdaGCN模型的核心思想是將傳統(tǒng)機器學習中AdaBoost的思想引入到圖神經(jīng)網(wǎng)絡(luò)中，另外，與之前深層圖模型直接堆疊多個卷積層不同，AdaGCN在所有網(wǎng)絡(luò)層之間共享相同的神經(jīng)網(wǎng)絡(luò)架構(gòu)，然后進行遞歸優(yōu)化，類似于RNN。

AdaGCN：將傳統(tǒng)方法<a href='/map/adaboost/' style='color:#000;font-size:inherit;'>AdaBoost</a>用于深度圖<a href='/map/shenjingwangluo/' style='color:#000;font-size:inherit;'>神經(jīng)網(wǎng)絡(luò)</a>，效果會如何

Paper：https://arxiv.org/abs/1908.05081

Github：https://github.com/datake/AdaGCN

一、摘要

深度圖模型仍是一個有待研究的問題，關(guān)鍵之處在于如何有效地匯聚來自多跳鄰居節(jié)點的特征信息。在本文中，通過將AdaBoost融入到圖網(wǎng)絡(luò)中提出了一個類似于RNN的深度圖模型AdaGCN，能夠以Adaboost的方式高效的抽取多跳鄰居特征信息，不同于之前的深度圖模型直接堆疊多個卷積層，AdaGCN在所有網(wǎng)絡(luò)層之間共享相同的神經(jīng)網(wǎng)絡(luò)架構(gòu)。另外，從理論角度分析了AdaGCN和現(xiàn)有的GCN模型的關(guān)聯(lián)，最后,通過大量的實驗，證明了我們的方法在不同的標簽率和計算優(yōu)勢下始終保持最先進的性能。

二、模型

首先，最簡單的兩個卷積層的GCN模型公式如下

其中輸入是節(jié)點的Raw Features，輸出是經(jīng)過兩個卷積層的最終表征。ReLU是一個非線性激活函數(shù)。但是，我們認為對于多層GCN網(wǎng)絡(luò)不需要太多的非線性變化，原因在于節(jié)點特征是簡單的一維向量而不是多維的。這個想法在SGC模型也已經(jīng)提出過，直接將非線性變化ReLU函數(shù)去除的SGC模型的匯聚公式如下所示

在SGC模型中，將RuLU操作去除后確實在一定程度上緩解了深度圖模型常出現(xiàn)的Over-Smoothing問題，并且計算效率也更快；但是，我們認為，對于這種多層堆疊的GCN網(wǎng)絡(luò)來說，沒有了ReLU操作的多層堆疊線性變換也會很大程度降低模型的表征能力，同時也通過實驗證明了這個想法。

因此，在本文中，我們提出了一個新的非線性函數(shù)來替換沒有激活函數(shù)的線性變換，公式如下所示

那么，如何使用AdaBoost？其實就是把深度模型的每一層輸出的結(jié)果放到一個弱分類器中計算，并使用了SAMME(Stagewise Additive Modeling using a Multi-class Exponential Loss function)算法將多個弱分類器結(jié)合起來

AdaGCN：將傳統(tǒng)方法<a href='/map/adaboost/' style='color:#000;font-size:inherit;'>AdaBoost</a>用于深度圖<a href='/map/shenjingwangluo/' style='color:#000;font-size:inherit;'>神經(jīng)網(wǎng)絡(luò)</a>，效果會如何

如上圖所示，我們直接使用基分類器f函數(shù)來抽取特征信息，當前層的加權(quán)錯誤概率以及基分類器的權(quán)重以如下方式計算

為了得到一個正的權(quán)重，需要保證

同時，在傳播過程中向錯誤的節(jié)點增加權(quán)重以保證其的值減少，也就是對性能差的分類器給予較少的權(quán)重

然后，利用Adaboost方法將不同層的預(yù)測結(jié)果進行組合，得到最終的預(yù)測結(jié)果

我們也提供了AdaGCN的簡化形勢

三、實驗

我們是在Cora，Citeseer，Pubmed，MS Academic和Reddit五個數(shù)據(jù)集上進行了實驗，通過run 100次實驗取平均來保證結(jié)果的置信度，取得了SOTA效果，

AdaGCN：將傳統(tǒng)方法<a href='/map/adaboost/' style='color:#000;font-size:inherit;'>AdaBoost</a>用于深度圖<a href='/map/shenjingwangluo/' style='color:#000;font-size:inherit;'>神經(jīng)網(wǎng)絡(luò)</a>，效果會如何

并且，如下圖所示，隨著模型深度增加，模型性能不會因為Over-Smoothing問題而下滑

AdaGCN：將傳統(tǒng)方法<a href='/map/adaboost/' style='color:#000;font-size:inherit;'>AdaBoost</a>用于深度圖<a href='/map/shenjingwangluo/' style='color:#000;font-size:inherit;'>神經(jīng)網(wǎng)絡(luò)</a>，效果會如何

數(shù)據(jù)分析咨詢請掃描二維碼

若不方便掃碼，搜微信號：CDAshujufenxi

數(shù)據(jù)分析師資訊
更多

OK
客服在線
立即咨詢
客服在線
立即咨詢
') } function initGt() { var handler = function (captchaObj) { captchaObj.appendTo('#captcha'); captchaObj.onReady(function () { $("#wait").hide(); }).onSuccess(function(){ $('.getcheckcode').removeClass('dis'); $('.getcheckcode').trigger('click'); }); window.captchaObj = captchaObj; }; $('#captcha').show(); $.ajax({ url: "/login/gtstart?t=" + (new Date()).getTime(), // 加隨機數(shù)防止緩存 type: "get", dataType: "json", success: function (data) { $('#text').hide(); $('#wait').show(); // 調(diào)用 initGeetest 進行初始化 // 參數(shù)1：配置參數(shù) // 參數(shù)2：回調(diào)，回調(diào)的第一個參數(shù)驗證碼對象，之后可以使用它調(diào)用相應(yīng)的接口 initGeetest({ // 以下 4 個配置參數(shù)為必須，不能缺少 gt: data.gt, challenge: data.challenge, offline: !data.success, // 表示用戶后臺檢測極驗服務(wù)器是否宕機 new_captcha: data.new_captcha, // 用于宕機時表示是新驗證碼的宕機 product: "float", // 產(chǎn)品形式，包括：float，popup width: "280px", https: true // 更多配置參數(shù)說明請參見：http://docs.geetest.com/install/client/web-front/ }, handler); } }); } function codeCutdown() { if(_wait == 0){ //倒計時完成 $(".getcheckcode").removeClass('dis').html("重新獲取"); }else{ $(".getcheckcode").addClass('dis').html("重新獲取("+_wait+"s)"); _wait--; setTimeout(function () { codeCutdown(); },1000); } } function inputValidate(ele,telInput) { var oInput = ele; var inputVal = oInput.val(); var oType = ele.attr('data-type'); var oEtag = $('#etag').val(); var oErr = oInput.closest('.form_box').next('.err_txt'); var empTxt = '請輸入'+oInput.attr('placeholder')+'！'; var errTxt = '請輸入正確的'+oInput.attr('placeholder')+'！'; var pattern; if(inputVal==""){ if(!telInput){ errFun(oErr,empTxt); } return false; }else { switch (oType){ case 'login_mobile': pattern = /^1[3456789]\d{9}$/; if(inputVal.length==11) { $.ajax({ url: '/login/checkmobile', type: "post", dataType: "json", data: { mobile: inputVal, etag: oEtag, page_ur: window.location.href, page_referer: document.referrer }, success: function (data) { } }); } break; case 'login_yzm': pattern = /^\d{6}$/; break; } if(oType=='login_mobile'){ } if(!!validateFun(pattern,inputVal)){ errFun(oErr,'') if(telInput){ $('.getcheckcode').removeClass('dis'); } }else { if(!telInput) { errFun(oErr, errTxt); }else { $('.getcheckcode').addClass('dis'); } return false; } } return true; } function errFun(obj,msg) { obj.html(msg); if(msg==''){ $('.login_submit').removeClass('dis'); }else { $('.login_submit').addClass('dis'); } } function validateFun(pat,val) { return pat.test(val); }