Graph Neural Network 분야 Survey paper / 사이트 정리
* Standford의 CS224w 강의와 그에 대한 정리들, GNN 분야의 Survey paper들 등 참고할 paper나 사이트 내 나름대로 정리하는 포스팅
Tobigs Graph Study - Tobigs Graph Study
Convolutional Neural Networks on Graphs with Fast Localized Spectral Filtering
tobigs.gitbook.io
https://velog.io/@tobigs-gnn1213?tag=CS224W
tobigs-gnn1213 (tobigsGNN) - velog
velog.io
https://velog.io/@tobigsgnn1415
tobigsgnn1415 (GNN Tobigs) - velog
velog.io
'공부/네트워크과학' 카테고리의 글 목록 (4 Page)
한때 나를 불안하게 했던 이 풍경의 위대함이 하루하루 내 안으로 스며들어 무엇을 찾았는지도 모른 채 내가 찾고 있던 것을 찾았다는 이해할 수 없는 느낌을 준다. 피터 매티슨 「인간이 태어
mons1220.tistory.com
https://bab2min.tistory.com/tag/%EB%84%A4%ED%8A%B8%EC%9B%8C%ED%81%AC%20%EC%9D%B4%EB%A1%A0
나의 큰 O는 log x야
제가 안 것의 대부분은 인터넷으로부터 왔으니, 다시 인터넷에게 돌려주어야 합니다. bab2min@gmail.com
bab2min.tistory.com
https://baeseongsu.github.io/posts/pytorch-geometric-message-passing1/
PyTorch Geometric 탐구 일기 - Message Passing Scheme (1)
다음 글은 PyTorch Geometric 라이브러리 설명서에 있는 Creating Message Passing Networks 를 참고하여 작성했습니다.
baeseongsu.github.io
https://koreapy.tistory.com/392
Graph Neural Networks(GNN) 관련 자료
딥 러닝의 데이터 처리에는 아주 많은 입력 데이터가 아주 깊고 복잡한 연산들을 수행하게 된다. 그래프 구조 데이터는 단순하게 노드와 엣지로 이루어진 관계를 나타내는 데이터로써, 쉬운 예
koreapy.tistory.com
GNN Survey Papers
https://ieeexplore.ieee.org/abstract/document/9046288
A Comprehensive Survey on Graph Neural Networks
Deep learning has revolutionized many machine learning tasks in recent years, ranging from image classification and video processing to speech recognition and natural language understanding. The data in these tasks are typically represented in the Euclidea
ieeexplore.ieee.org
https://www.sciencedirect.com/science/article/pii/S2666651021000012
Graph neural networks: A review of methods and applications
Lots of learning tasks require dealing with graph data which contains rich relation information among elements. Modeling physics systems, learning mol…
www.sciencedirect.com
https://dl.acm.org/doi/fullHtml/10.1145/3477141
Computing Graph Neural Networks: A Survey from Algorithms to Accelerators
1 INTRODUCTION Machine Learning (ML) has taken the world by storm and has become a fundamental pillar of engineering due to its capacity to solve extremely complex problems, to detect intricate features in oceans of data, or to automatically generate alter
dl.acm.org