gcl - 腾讯云开发者社区

文章/答案/技术大牛

发布

AF-GCL：不需要增强的图对比学习

▲ 图2：AF-GCL 模型的概述。...综上，AF-GCL 的训练算法如算法 1 所示。算法1：AF-GCL。算法中的 Eq. (8) 指的是目标函数。...结合引理 2 和定理 1，我们给出 AF-GCL 理论上的表现保证： Theorem 2 令为 GCL 损失函数的最小化函数。...对于同质性最低的两个数据集，Chameleon 和 Squirrel，AF-GCL 的表现比其他方法好了很多。这证明了 AF-GCL 模型适合用于异质图。...在对图神经网络聚合特征的理论分析启发下，作者提出了不需要增强的图对比学习模型 AF-GCL，它直接由聚合后的特征生成自监督信号。作者还给出了 AF-GCL 的表现的理论保证。

6253 0

超越GraphCL，GNN+对比学习的节点分类新SOTA

在这里，我们提出了一种新的方法，称为对抗性图对比学习 (AD-GCL)，它使 GNN 能够通过优化 GCL 中使用的对抗性图增强策略来避免在训练期间捕获冗余信息。...通过与最先进的 GCL 方法相比，我们通过实验验证了 AD-GCL ，在 18 个不同的基准数据集的任务中，在无监督学习中实现了高达 14%、在迁移学习中高达 6% 和在半监督学习设置中的 3% 的性能提升...AD-GCL 本质上允许编码器捕获最少的足够信息来区分数据集中的图形。我们进一步提供了 AD-GCL 的理论解释。...在这里，我们只考虑 AD-GCL-FIX，因为 AD-GCL-OPT 只会有更好的性能。...请注意，尽管 AD-GCL 在某些数据集上仅获得第 5 名，但 AD-GCL 仍显着优于 InfoGraph和GraphCL，两者都是强大的GNN 自训练baseline。

9942 0

您找到你想要的搜索结果了吗？

是的

没有找到

Windows窗口类

of value to retrieve ); 上面函数中的索引nIndex可以为如下列表中的任意一个： GCW_ATOM 窗口类的唯一标识(原子),由函数 RegisterClassEx 函数返回 GCL_CBCLSEXTRA...窗口类的扩展信息 GCL_CBWNDEXTRA 窗口的扩展信息 GCL_HBRBACKGROUND 窗口的背景画刷 GCL_HCURSOR 窗口的鼠标指针句柄 GCL_HICON 窗口的图标句柄...GCL_HICONSM 窗口最小化时的图标句柄 GCL_HMODULE 应用程序句柄 GCL_MENUNAME 窗口菜单句柄 GCL_STYLE 窗口类的式样(不是窗口的式样) GCL_WNDPROC...SetClassLongPtr(hWnd, GCL_WNDPROC, WndProcFn); 在MFC中我们大量的用到了子类化相关的技术，以及当我们想修改系统默认的控件的事件处理逻辑时就可以借助子类化技术来实现

1.5K2 0

【NeurIPS】四篇好文简读-专题3

https://github.com/zetayue/MXMNet 四论文题目： An Empirical Study of Graph Contrastive Learning 论文摘要：图对比学习（GCL...尽管最近已经取得了显著的进展，但GCL背后的成功仍然有些神秘。在这项工作中，作者首先确定了一般GCL范式中的几个关键设计考虑因素，包括增强函数、对比模式、对比目标和负向挖掘技术。...然后，为了理解不同GCL组件的相互作用，作者在不同领域的数据集上对一组基准任务进行了广泛的实验。...然后提出了一套有效的GCL的方案，例如，通过产生稀疏视图的简单拓扑结构增强可以提高性能；对比模式应该与最终任务的粒度相一致。...此外，为了促进未来的研究并简化GCL算法的实施，作者开发了一个易于使用的PyGCL库，其特点是模块化的CL组件、标准化的评估和实验管理。

6995 1

STM32L431RCT6与SDNAND 存储芯片:提升动态心电图设备的存储性能

本文将深入分析这些技术痛点，并阐述如何通过选用 STM32L431RCT6 主芯片和米客方德 MKDV08GCL-STPA 贴片式 TF 卡存储解决方案，实现设备性能的全面优化。...1）大容量存储，满足数据需求 MKDV08GCL-STPA 存储芯片提供了 8Gb 的存储容量，能够轻松应对动态心电图设备长时间、高频率的数据采集需求。...无论是连续数小时的心电图记录，还是高分辨率动态数据的存储，MKDV08GCL-STPA 贴片式 SD 卡都能确保数据完整存储，避免因容量不足导致的数据丢失。...4）低功耗设计，延长设备使用寿命 MKDV08GCL-STPA 贴片式 SD 卡采用低功耗设计，在保证高性能的同时，显著降低了设备的运行功耗。...大存储容量：MKDV08GCL-STPA 贴片式 SD 卡的 8Gb 存储空间满足长时间、高频率数据采集需求。高速数据读写：确保心电图数据的实时采集和处理，提升诊断效率。

1941 0

利用图对比学习增强数据推荐

本文提出了一种新的推荐框架，即序列推荐的图对比学习(GCL4SR)。...具体而言，GCL4SR采用基于所有用户交互序列构建的加权项转换图(WITG)，为每个交互提供全局上下文信息，并弱化序列数据中的噪声信息。此外，GCL4SR使用WITG的子图来增强每个交互序列的表示。...在真实数据集上的大量实验表明，GCL4SR始终优于最先进的顺序推荐方法。论文链接 https://www.ijcai.org/proceedings/2022/0333.pdf

8205 0

大连理工本科生顶会连刷SOTA被爆作弊！AAAI 2022接收后又面临撤稿，一作仍未发声

作者表示他们采用了一个众所周知、常用的方法：把所有的图像按照「图像名」排序，然后把相邻图像输入GCL就好了。...可能不懂Re-ID的人此刻已经被蒙混过去了，使用了一个「众所周知」的排序方法作为先验知识，加上文章提出的GCL模块，效果提升了。你说，是不是GCL的功劳？...可以看到，描述过程中作者完全没有提到GCL模块所依据的信息（训练数据的文件名，也就是训练数据的标签），转而描述了GCL模块中使用的两个trick，对于没有认真看method部分的审稿人来说，可能就会认为文章中的...GCL贡献确实很大。...其中，「SCL 」指选择性对比学习；「CR」指通过GCL进行聚类重构；「NS」指噪声抑制。

1.3K1 0

【NeurIPS】四篇好文简读-专题6

图对比学习(GCL)通过训练GNN来最大化同一图的不同增广形式的表示之间的对应关系，即使不使用标签也可以产生健壮和可转移的GNN。...然而，由传统GCL训练的GNN具有捕获冗余图特征的风险，因此可能是脆弱的，并且在下游任务中提供低于平均水平的性能。...在这里，作者提出了一种新的理论，称为对抗性GCL(AD-GCL)，它通过优化GCL中使用的对抗性图增强策略，使GNN在训练过程中避免捕获冗余信息。...作者将AD-GCL算法与理论解释配对，设计了一个基于可训练的边丢弃图增强的实例化算法。...通过与最先进的GCL方法进行比较，作者通过实验验证了AD-GCL的性能，在18个不同的基准数据集上，在分子属性回归和分类以及社会网络分类的任务中，在无监督、转移和半监督学习环境下，总体性能分别提高了14%

6423 0

SD NAND：动态心电图设备存储的高性能解决方案-STM32L431RCT6主芯片与嵌入式TF卡MKDV08GCL-STPA

本文将深入分析这些技术痛点，并阐述如何通过选用STM32L431RCT6主芯片和米客方德MKDV08GCL-STPA 贴片式TF卡存储解决方案，实现设备性能的全面优化。...1）大容量存储，满足数据需求 MKDV08GCL-STPA存储芯片提供了8Gb的存储容量，能够轻松应对动态心电图设备长时间、高频率的数据采集需求。...无论是连续数小时的心电图记录，还是高分辨率动态数据的存储，MKDV08GCL-STPA 贴片式SD卡都能确保数据完整存储，避免因容量不足导致的数据丢失。...4）低功耗设计，延长设备使用寿命 MKDV08GCL-STPA 贴片式SD卡采用低功耗设计，在保证高性能的同时，显著降低了设备的运行功耗。...大存储容量：MKDV08GCL-STPA 贴片式SD卡的8Gb存储空间满足长时间、高频率数据采集需求。高速数据读写：确保心电图数据的实时采集和处理，提升诊断效率。

2321 0

这篇AAAI 2022论文申请撤稿！

Market1501数据集超参数: GCL中的参数（图的大小为16，温度参数5），K-means中的K设置为800。...DukeMTMC-reID数据集超参数: GCL中的参数（图的大小为16，温度参数为5），K-means中的K设置为750。...MSMT17数据集超参数: GCL中的参数（图的大小为16，温度参数为5），K-means中的K设置为1300。...从本表中可以看出：1）在Random Shuffle设置下，GCL将会反向优化，损害模型的性能。2） GCL能起作用的条件是：子图中有比较良好的近邻关系，也就是第一次的聚类结果要比较可靠。...小结：（1）在能挖掘到较为良好的近邻关系时，GCL会起到正向作用，提升网络的性能；反之，打乱顺序，则GCL会反向优化。

1.5K2 0

【NeurIPS】四篇好文简读-专题4

一论文题目： Directed Graph Contrastive Learning 论文摘要：图对比学习（GCL）的出现是为了从对比性的视角中学习可概括的表征。...目前有两个问题：1）通过数据增强来改变图的结构以产生对比性视图可能会产生错误的信息传递，因为这种图的增强改变了图的内在结构信息，特别是有向图中的方向性结构；2）由于GCL通常使用预定义的对比性视图，并手工挑选参数...结果表明，该模型可以比其他GCL模型保留更多的有向图的结构特征，因为它能够提供完整的对比信息。论文链接： https://openreview.net/forum?

6193 0

HikariPool 连接池问题

GithubRepository\MyBlog-MyBatis\demo1\target\classes\mapping\TypeDao.xml] ### The error may involve com.gcl.demo1...$Proxy86.findAllType(Unknown Source) at com.gcl.demo1.service.impl.TypeServiceImpl.listType(TypeServiceImpl.java...:46) at com.gcl.demo1.service.impl.TypeServiceImpl$$FastClassBySpringCGLIB$$17f81c71.invoke() at com.gcl.demo1....entity logging: level: root: info com.gcl: debug file: name: log/blog-dev.log server

4.8K2 0

主芯片与存储协同效应：NXP 双核架构与大容量 SD NAND 的高端应用

（三）STM32F103C8T6 搭配 SD NAND :MKDV32GCL-STPA STM32F103C8T6 是一款基于 ARM Cortex-M3 内核 STM32 系列的 32 位的微控制器，...（四）NXP LPC4337JBD144E 搭配 MKDV64GCL-STPA ‌NXP LPC4337JBD144E 是一款基于 ARM Cortex-M4 和 ARM Cortex-M0 的双核 32...MKDV64GCL-STPA 具有低功耗、高速读写、SMART 特性，存储容量大。...在高端心电监测设备中，LPC4337JBD144E 可处理复杂的心电算法，MKDV64GCL-STPA 能满足长时间、高分辨率心电数据的存储需求，提升设备整体性能。...在设计 NXP LPC4337JBD144E 与 MKDV64GCL-STPA 的存储电路时，需考虑芯片的高速数据传输需求，优化 PCB 布线，减少信号传输延迟和反射，保证数据存储和读取的准确性。

3271 0

git submodule 的使用

git clone xx.git --recurse-submodules 如果用的是 zsh，自带的 alias gcl='git clone --recurse-submodules'，也就是用...gcl xx.git 就可以了。

1.1K2 0

Groovy&Java动态编译执行

groovyObject.invokeMethod("run", args); 如果你希望这个groovy脚本是嵌入在自己的抽象类中执行的，那么也可以使用如下方法： GroovyClassLoader gcl...= new GroovyClassLoader(); Class clazz = gcl.parseClass(myStringwithGroovyClassSource, "SomeName.groovy

3.3K2 0

文献分享--时空分辨转录组学揭示人类视网膜发育的细胞动力学

中间神经元如HC、BC、AC和胶质细胞MG的细胞体位于内核层（INL）;而RGC形成神经节细胞层（GCL）。研究人视网膜早期发育过程中基因表达的时空动态变化。...在所有发育阶段，空间信号通常在不同的视网膜层之间传播，从两侧向外移动（即NBL和GCL）向内侧move。

1912 0

DecoyDB：革新蛋白-配体结合亲和力预测的数据集与框架

其中，图对比学习（GCL）在分子数据领域展现出独特优势，但现有研究面临两大挑战：一是缺乏定义清晰的正负样本对数据集；二是通用GCL的扰动方法（如节点/边删除）可能破坏分子的物理化学约束，生成非真实构象。...双类别图对比损失传统GCL采用单一负样本策略，而该框架创新性地设计了两类负样本： 1....消融实验结论 • 双类别负样本策略优于单一类别（仅异复合物），2016核心集RMSE从1.246降至1.221； • 去除GCL或DSM模块均导致性能下降，证明两者协同作用的必要性。

1151 0

IJCAI22 推荐系统论文梳理

本文提出了一种新颖的推荐框架，即用于序列推荐的图对比学习（GCL4SR）。...具体来说，GCL4SR 采用加权商品转移图（WITG, Weighted Item Transition Graph），基于所有用户的交互序列构建，为每次交互提供全局上下文信息，并削弱序列数据中的噪声信息...此外，GCL4SR 使用 WITG 的子图来增强每个交互序列的表示。...大量实验表明，GCL4SR 始终优于最先进的序列推荐方法。 List-wise建模 1.

1K2 0

如何批量下载域名证书文件？？

zh-CN,zh;q=0.9,en;q=0.8' \ -H 'cookie: language=zh; qcloud_uid=5*************6; pgv_pvid=407****938; _gcl_au...accept-language: zh-CN,zh;q=0.9,en;q=0.8' \ -H 'cookie: language=zh; qcloud_uid=5a8e776; pgv_pvid=4071011938; _gcl_au

5.3K5 1

NoteLLM: 大语言模型在小红书推荐系统的落地应用

协同监督微调（Collaborative Supervised Fine-Tuning）这个任务实际上就是一个做标签/类别生成任务的SFT，加了协同两个字可能是因为要跟前面引入了协同过滤信号的GCL对应起来...消融实验文章这边也做了消融实验，分别把CSFT任务以及GCL任务去掉，以及在GCL内部对标签类别生成取不同的数据比例，结果发现就是两部分缺一不可，这里可以发现起到最关键作用的是GCL任务，类别预测和标签生成的任务好像对整体效果是可有可无的感觉

3.7K1 0

点击加载更多

AF-GCL：不需要增强的图对比学习

超越GraphCL，GNN+对比学习的节点分类新SOTA

Windows窗口类

【NeurIPS】四篇好文简读-专题3

STM32L431RCT6与SDNAND 存储芯片:提升动态心电图设备的存储性能

利用图对比学习增强数据推荐

大连理工本科生顶会连刷SOTA被爆作弊！AAAI 2022接收后又面临撤稿，一作仍未发声

【NeurIPS】四篇好文简读-专题6

SD NAND：动态心电图设备存储的高性能解决方案-STM32L431RCT6主芯片与嵌入式TF卡MKDV08GCL-STPA

这篇AAAI 2022论文申请撤稿！

【NeurIPS】四篇好文简读-专题4

HikariPool 连接池问题

主芯片与存储协同效应：NXP 双核架构与大容量 SD NAND 的高端应用

git submodule 的使用

Groovy&Java动态编译执行

文献分享--时空分辨转录组学揭示人类视网膜发育的细胞动力学

DecoyDB：革新蛋白-配体结合亲和力预测的数据集与框架

IJCAI22 推荐系统论文梳理

如何批量下载域名证书文件？？

NoteLLM: 大语言模型在小红书推荐系统的落地应用

相关资讯

热门标签

活动推荐

运营活动

社区

活动

圈层

关于

腾讯云开发者

热门产品

热门推荐

更多推荐