《DeepGCNs: Making GCNs Go as Deep as CNNs》G Li, M Müller, G Qian, I C. Delgadillo, A Abualshour, A Thabet, B Ghanem [KAUST] (2019)

成为VIP会员查看完整内容
31

相关内容

图卷积网络(简称GCN),由Thomas Kpif于2017年在论文Semi-supervised classification with graph convolutional networks中提出。它为图(graph)结构数据的处理提供了一个崭新的思路,将深度学习中常用于图像的卷积神经网络应用到图数据上。

知识荟萃

精品入门和进阶教程、论文和代码整理等

更多

查看相关VIP内容、论文、资讯等
近期必读的9篇 CVPR 2019【视觉目标跟踪】相关论文和代码
近期必读的12篇KDD 2019【图神经网络(GNN)】相关论文
专知会员服务
63+阅读 · 2020年1月10日
必读的7篇IJCAI 2019【图神经网络(GNN)】相关论文-Part2
专知会员服务
62+阅读 · 2020年1月10日
五篇 ICCV 2019 的【图神经网络(GNN)+CV】相关论文
专知会员服务
15+阅读 · 2020年1月9日
【跟踪Tracking】15篇论文+代码 | 中秋快乐~
专知
18+阅读 · 2018年9月24日
赛尔推荐 | 第22期
哈工大SCIR
6+阅读 · 2018年6月6日
Reasoning on Knowledge Graphs with Debate Dynamics
Arxiv
14+阅读 · 2020年1月2日
Arxiv
4+阅读 · 2018年7月4日
Arxiv
3+阅读 · 2017年11月20日
VIP会员
相关VIP内容
相关论文
Reasoning on Knowledge Graphs with Debate Dynamics
Arxiv
14+阅读 · 2020年1月2日
Arxiv
4+阅读 · 2018年7月4日
Arxiv
3+阅读 · 2017年11月20日
微信扫码咨询专知VIP会员