# GNN

83개의 포스트

[ICML '18] Graph Networks as Learnable Physics Engines for Inference and Control

Graph Networks as Learnable Physics Engines for Inference and Control 논문 리뷰

2022년 8월 4일
·
0개의 댓글
·
post-thumbnail

[WWW '22] Improving Graph Collaborative Filtering with Neighborhood-enriched Contrastive Learning

[WWW '22] Improving Graph Collaborative Filtering with Neighborhood-enriched Contrastive Learning

2022년 6월 2일
·
0개의 댓글
·
post-thumbnail

[SIGIR '22] Are Graph Augmentations Necessary? Simple Graph Contrastive Learning for Recommendation

[SIGIR '22] Are Graph Augmentations Necessary? Simple Graph Contrastive Learning for Recommendation

2022년 6월 2일
·
0개의 댓글
·
post-thumbnail

[SIGIR '21] Self-supervised Graph Learning for Recommendation

[SIGIR '21] Self-supervised Graph Learning for Recommendation

2022년 6월 1일
·
0개의 댓글
·
post-thumbnail

Neural Graph Collaborative Filtering

강의자 : 투빅스 16기 이승주ContentsUnit 01 ㅣ IntroductionUnit 02 ㅣ MethodologyUnit 03 ㅣ ExperimentsUnit 04 ㅣ Conclusion and Future WorkTwo key components in

2022년 5월 3일
·
0개의 댓글
·
post-thumbnail

Graph, CNN, GNN, GCN, ST-GCN, Skeleton Dataset

graph imageGraph = Node + Edge비선형(non-linear) 자료구조.node: data를 의미edge: data간의 관계를 의미, 연결하는 선(line)으로 표현표현 방법adjancy list (인접 리스트)adjacency matrix (인접행

2022년 4월 17일
·
0개의 댓글
·

GNN / GCN Guide

GNN study를 위한 가이드

2022년 3월 25일
·
0개의 댓글
·
post-thumbnail

[Boostcamp AI Tech] Recommender System with Deep Learning (2)

[Boostcamp AI Tech] Recommender System with Deep Learning (2)

2022년 3월 16일
·
2개의 댓글
·
post-thumbnail

Learning Contextualized Knowledge Structures for Commonsense Reasoning: HGN

![](https://images.velog.io/images/cluelesscoder/post/59cc8bd4-8a8d-4494-a085-229a817c8f51/1228%E1%84%80%E1%85%A1%E1%86%BC%E1%84%80%E1%85%B2%E1%84%85

2022년 3월 8일
·
0개의 댓글
·
post-thumbnail

GNN is a Counter?: Revisiting GNN for Questions Answering 논문리뷰 (paper review)

%E1%84%91%E1%85%A6%E1%84%8B%E1%85%B5%E1%84%8C%E1%85%B501.jpg)![](https://images.velog.io/images/clueless_coder/post/2364260c-0b37-4bc9-baf0-97a07d3bdb

2022년 3월 5일
·
0개의 댓글
·
post-thumbnail

GreaseLM 논문 리뷰 (paper review)

GreaseLM: Graph Reasoning Enhanced Language Models for Question Answering 논문 리뷰 Xikun Zhang, Antoine Bosselut, Michihiro Yasunaga, Hongyu Ren, Percy L

2022년 3월 1일
·
0개의 댓글
·

GNN(PyG tutorial)

2021년 12월 24일
·
0개의 댓글
·
post-thumbnail

The Graph Neural Network Model[Contents_4]

According to our experiments, the application of a trained GNN on a graph (test phase) is relatively fast even for large graphs. Formally, the complex

2021년 11월 16일
·
0개의 댓글
·
post-thumbnail

The Graph Neural Network Model[Contents_3]

In this section, an accurate analysis of the computational cost will be derived. The analysis will focus on three different GNN models: positional GNN

2021년 11월 14일
·
0개의 댓글
·
post-thumbnail

The Graph Neural Network Model[Contents_C]

2021년 11월 12일
·
0개의 댓글
·
post-thumbnail

The Graph Neural Network Model[Contents_B,C]

Banach's fixed point theorem53 does not only ensure the existence and the uniqueness of the solution of (1) but it also suggests the following classic

2021년 11월 11일
·
0개의 댓글
·
post-thumbnail

The Graph Neural Network Model[Contents,Notation , A]

내용1

2021년 11월 10일
·
0개의 댓글
·
post-thumbnail

15. Deep Generative Models for Graphs

14기 김상현 Graph Generation Given Graphs sampled from $p_{data}(G)$ Goal Learn the distribution $p_{model}(G)$ sample from $P_{model}(G)$ 실제 그래프 분포

2021년 10월 14일
·
0개의 댓글
·
post-thumbnail

14. Traditional Generative Models for Graphs

작성자: 14기 김상현그래프 생성 모델(Graph Generative Model)을 통해 실제 그래프와 유사한 그래프를 생성한다.그래프 생성을 공부하는 이유는 다음과 같다.InsightsPredictionsSimulationsAnomaly detection임의로 선택된

2021년 10월 7일
·
0개의 댓글
·