首页
学习
活动
专区
工具
TVP
发布
精选内容/技术社群/优惠产品,尽在小程序
立即前往
  • 您找到你想要的搜索结果了吗?
    是的
    没有找到

    GNN教程:第六篇Spectral算法细节详解!

    图神经网络的逐层Spectral更新公式简单优雅而高效,以GCN为例,节点Embedding是由自身和邻居节点Embedding的聚合之后再进行非线性变换而得到。如此简单优雅的更新规则是怎么推导出来的呢,背后有没有什么理论依据?在GCN的论文中,作者介绍了两种启发GCN逐层线性传播法则的方法,分别是从谱图卷积的角度和Weisfeiler-Lehman算法的角度。本篇博文将详细介绍如何从图拉普拉斯矩阵出发,通过定义图上的傅里叶变换和傅里叶逆变换而定义图上卷积公式,最后推导出优雅的GCN逐层更新公式。至于Weisfeiler-Lehman算法,因为涉及到图神经网络的表示能力的问题,后面我们会出一个专题详细的介绍它。

    01

    GEE好文推荐——利用样本点迁移方法快速实现全球范围内1984年至今基于Landsat影像的土地分类

    在本研究中,我们在 GEE 中实施了射频分类器,利用 Landsat-8 和 Sentinel-2 数据集对 2022 年植被生长季节的不同空间尺度进行了时间序列土地分类。我们的首要目标是利用多源遥感变量构建的不同土地分类模型,为时间序列数据集建立一个高效、准确和通用的土地分类模型,并根据未发生土地分类变化的样本点图像值差异,确定土地分类样本点和迁移阈值。我们的目标是 (1) 确定基于土地分类无变化的样点迁移阈值;(2) 根据阈值分析使用陆地卫星遥感图像和高精度哨兵图像的 36 年时间序列制作的土地分类模型的准确性;(3) 确定基于多源遥感变量不同组合的最佳射频土地分类模型,并比较图像分辨率对分类准确性的影响。

    01

    GEE数据集——加拿大卫星森林资源调查 (SBFI)数据集( 2020 年加拿大森林覆盖、干扰恢复、结构、物种和林分年龄)

    加拿大卫星森林资源调查 (SBFI) 卫星森林资源清查(SBFI)提供了 2020 年加拿大森林覆盖、干扰恢复、结构、物种和林分年龄的信息,以及 1985-2020 年林分替代干扰的信息。SBFI 多边形代表了与战略森林资源清查中划定的林分相似的同质森林状况。使用多分辨率分割算法对 2020 年大地遥感卫星表面反射 BAP 复合影像(30 米空间分辨率)、火灾年份和采伐年份图层进行了划分。最小地图单位为 0.45 公顷(5 像素),用于定义多边形。使用相同的数据、属性和时间表示法绘制了加拿大全部森林生态系统的地图,从而形成了加拿大约 6.5 亿公顷森林生态系统的通用植被清查系统。鉴于加拿大森林面积大且种类繁多,SBFI 的优势在于使用一致的数据源和方法,跨越管辖边界、管理和非管理林区,从而能够一致地生成综合、空间明确的信息输出。此处包含的数据基于免费开放的卫星数据和信息产品,并遵循既定的交流方法。前言 – 人工智能教程

    01
    领券