【摘 要】
：
监督分类是机器学习领域在处理结构化和非结构化数据的重要应用。传统的基于属性图的监督分类方法在通常有图中节点属性特征构成的图上传播节点标签,而图神经网络对节点的属性进行了平滑操作,同时在真实的图拓扑结构上传播节点标签,不仅适用于同构图还适用于异构图。作为一种重要的数据类型,图数据的分析与学习的需求日益凸显,特别地,在异构图上进行端到端学习是目前特别火热的研究课题。基于以上背景,且借鉴CNN中的卷积操
论文部分内容阅读
监督分类是机器学习领域在处理结构化和非结构化数据的重要应用。传统的基于属性图的监督分类方法在通常有图中节点属性特征构成的图上传播节点标签,而图神经网络对节点的属性进行了平滑操作,同时在真实的图拓扑结构上传播节点标签,不仅适用于同构图还适用于异构图。作为一种重要的数据类型,图数据的分析与学习的需求日益凸显,特别地,在异构图上进行端到端学习是目前特别火热的研究课题。基于以上背景,且借鉴CNN中的卷积操作,从传统的图卷积网络（GCN）这一研究热点中获得启发,提出一种新的用于异构图上节点分类的图聚合神经网络（GACN）。GACN的主要思想是在异构GCN的基础之上,将待分类的异构图节点独立出来不经过图卷积层的传播,抽取与之相连的节点的属性特征和邻接矩阵,以及这些节点与待分类节点的邻接信息并且输入到GCN中进行计算,得到低维待分类节点的邻域表示,而后者用于与低维的连通子图表示进行聚合计算传播节点的标签信息,最终端到端地学习得到待分类节点的类别。这种待分类节点与其他节点独立构图的方法自适应地学习了节点类别的判定嵌入,并且针对异构图上的各种类型的节点组成,使用注意力机制学习了其他不同类型节点对待分类节点的贡献,同时待分类节点不经过GCN的传播也大大减少GCN训练中的参数量,加快了训练速度。实验表明,GACN方法在一定程度上具有优越性和正确性,经实验结果对比发现,GACN模型在分类问题的AUC值评价指标上提升5%左右。
其他文献
文本作为信息交流的载体,是人类文明的重要标志,在自然场景的图像中广泛的存在,如车牌信息、道路指示牌等。文本相较自然场景图像中的其他内容而言,其具有更加准确丰富的信息以及更强的逻辑性。所以如何准确的定位自然图像中文本的位置,是提取、理解与分析信息的关键步骤。在过去的几年中,场景文本检测方法已经取得了很大的进步。但是大的几何差异（如:方向）是场景文本检测中的关键挑战。在本文中,首先进行实验研究了网络在
近年来,基于WiFi的无线室内指纹定位技术由于其低成本以及高通用性等特点已获得国内外研究人员的广泛关注。然而,随着室内环境变化以及WiFi收发端设备固有的缺陷,无线位置指纹将随着时间发生显著变化,导致传统无线指纹定位方法的定位精度急剧下降。为了保证无线指纹定位模型在动态环境以及硬件设备有缺陷条件下的定位精度,研究者们探索并提出了基于众包的模型更新方法,取得了较好的性能。然而,这些工作在模型更新过程
随着互联网的广泛应用,在线教育也在蓬勃发展。在线教育因具有学习资源丰富、优质且实时更新,学习方式灵活、便捷且不受时空限制等特点,已逐步成为现代教育系统领域里不可或缺的一部分。目前,随着人工智能技术的突破,在线教育已经逐渐从传统的平台式资源教育转化至智能教育。个性化是智能教育系统的核心,而想要做到个性化教育,必须了解学生的实时知识水平。知识追踪是根据学习者的历史学习轨迹,对其整个学习的状态进行建模从
随着智能设备的快速发展,图像变成了生活生产中必不可少的部分,将旧照片与低清晰度的图像转为高清图像成为各个领域一大需求,因此超分辨率技术便又活跃起来出现在人们的视野之中。超分辨率重建是将低分辨率图像通过重建生成具有更丰富细节的高分辨率图像。超分辨率重建技术大类别上分成硬件方式重建和软件方式重建两个大类,由于硬件方面有着诸多限制,软件方式重建图像的方法便成为当前研究的热门,并在很多重要领域得到实际应用
分布式声波振动光纤传感设备采用振动光纤作为传感器实时检测安防区域周边环境。振动光纤在周界安防领域的应用是一项在安防领域的重要发展。在周界安防系统中,需要把事件信号进行准确高效的识别,这是周界安防系统中最主要的任务。在长距离监测中,周围环境复杂多变,不但增加了安防系统对信号识别的难度,而且提升了实时高效监测信号的难度。因此,在复杂环境下对振动光纤感应获取的各种事件信号进行研究很有价值和意义。为了解决
金属氧化物半导体气体传感器,具有结构简单、体积小、功耗低、价格便宜等特点,被广泛应用于食品安全,医用检测,空气质量监测等领域。其可基于微电子机械系统（MEMS）技术,通过光刻、溅射、刻蚀、微喷成膜等工艺制造微热板结构器件,实现亚毫米尺度的器件集成,大幅降低器件功耗和成本,这也将是传感器发展的大趋势。目前基于MEMS技术的传感器微制造平台,主要以硅片作为芯片基底,兼容溅射等成膜工艺,但高性能的气敏膜
随着移动互联网的飞速发展,电影的观看越来越方便。由十九世纪末发展至今,电影的种类越来越丰富,电影的数量也越来越多,不仅传统的电影行业每年会推出大量的新电影,国内的腾讯、爱奇艺等以及国外的Netflix、Apple等流媒体平台也会制作大量的自制作品,影视信息的过载现象导致用户的选择越来越困难。将推荐系统应用于存在海量视频的领域,既可以提高用户的观影体验,又能通过用户的反馈数据来促进推荐系统的发展。最
人工智能时代的到来,催生了学者们对深度学习技术研究的热潮。深度学习通过对已有知识进行推理分析和学习总结,在目标检测、自然语言处理、机器翻译以及推荐系统等领域取得了巨大的成功,解决了很多领域内的疑难问题。虽然深度学习发展至今已经取得了瞩目的成绩,但是传统的深度学习模型仍然存在一些问题。一是传统的深度学习模型是基于向量空间的,无法直接对信息-物理-社会系统（CPSSs）中的混合异构数据建模,而是将这些
现代机器人应用产业多依托离线编程技术进行机器人运动的规划,这对机器人绝对定位精度提出了更高的要求。通用提升机器人绝对定位精度的方式是对机器人进行误差标定,但是传统几何参数误差标定技术无法识别基坐标系误差,标定参数的精度一般,且补偿效果受限于关节在连杆自重下的变形。本文针对传统几何参数误差标定技术的不足,在几何参数误差模型的基础上,分别引入基坐标系误差与关节柔性变形,对机器人进行了精度补偿技术研究。
人类生存的地球空间分水陆空三大领域,这些领域尚未开发的地方往往环境复杂,变化莫测,在其上进行探测、搜寻、救援等活动需要借助载人或无人机器人。单一领域活动的机器人只适用某一固定领域,人类要想在多个领域进行活动需匹配多台机器人,这将加大成本投入,造成资源浪费。本文研制的复杂跨域环境的水陆两栖机器人可以很好的解决以上问题,实现一机多用,它能够适应在水域、水域与陆域之间的跨域松软泥泞路面、陆上野外复杂非结