Project Icon

awesome-graph-self-supervised-learning

自监督学习在图数据中的应用及方法综述

展示全面的自监督图表示学习资源,包括对比学习、生成学习和预测学习三种主要方法。本页面介绍了各类自监督学习方法在图数据中的应用、训练策略和具体实现,帮助AI研究者掌握最新技术。

awesome-self-supervised-learning - 自监督学习资源精选与理论实用指南
Github人工智能对比学习开源项目深度学习自监督学习视觉特征学习
精选自监督学习资源,覆盖理论研究与各领域实际应用,如计算机视觉、机器学习等。本项目常更新,已成为AI领域必备的研究与教学资源。
awesome-self-supervised-gnn - 自监督学习在图神经网络中的研究论文总汇
GNNGithub图神经网络对比学习开源项目自监督学习论文
本仓库收录了自监督学习在图神经网络(GNNs)领域的研究论文,按年份进行分类。我们会定期更新,若发现错误或遗漏,欢迎通过issue或pull request反馈。热门论文以火焰符号标注。
awesome-contrastive-self-supervised-learning - 对比自监督学习论文和资源汇总
Github对比学习开源项目深度学习自监督学习表示学习视觉模型
该项目收录了对比自监督学习领域的重要论文和资源,覆盖从2017年至今的研究成果。内容包括综述、算法、应用等,按年份分类整理。研究人员可通过此项目快速了解该领域发展历程和最新动态,是深入研究对比学习的重要参考资料。
Awesome-Graph-LLM - 探索图结构与大语言模型的前沿融合及应用
Github图模型图神经网络多模态模型大语言模型开源项目知识图谱
Awesome-Graph-LLM项目汇集图相关大语言模型(Graph-LLM)领域的前沿研究成果和资源。内容涵盖数据集、基准测试、综述文章,以及图推理、节点分类、图分类等应用。项目还收录图提示、通用图模型和多模态模型等新兴方向的相关工作,为Graph-LLM研究提供全面参考。
awesome-semi-supervised-learning - 半监督学习资源汇总,减少标注成本,提升分类效果
GithubSemi-Supervised Learning分类半监督学习方法开源项目深度学习生成模型
全面整理的半监督学习资源列表,包括最新研究、代码库和各种应用。半监督学习通过结合大量无标签数据和少量有标签数据,减少标注成本并提升模型准确度。资源涵盖计算机视觉、自然语言处理、生成模型、图基方法等多个领域,适用于深度学习框架。提供详细的文献综述、代码实现以及相关书籍和讲座链接,帮助用户了解和应用半监督学习技术。
awesome-large-graph-model - 大规模图模型研究前沿综述
Github图提示学习图机器学习图神经网络大图模型大语言模型开源项目
这个项目整理了大规模图模型相关的研究文献,涵盖理论基础和实际应用。内容包括图神经网络与大型语言模型的结合、LLM在图任务中的应用、图提示学习和参数高效微调等技术。同时涉及知识图谱、分子科学和神经架构搜索等领域。项目为图机器学习研究提供了全面的文献综述,有助于推动该领域的发展。
Awesome-Language-Model-on-Graphs - 图上大语言模型研究进展及资源汇总
GithubLLM基准测试开源项目推理知识图谱
该资源列表汇总了图上大语言模型(LLMs on Graphs)领域的前沿研究成果。内容涵盖纯图、文本属性图和文本配对图等多个方面,包括数据集、直接回答、启发式推理和算法推理等关键主题。列表基于综述论文整理,并持续更新,为研究人员提供全面参考,推动图上大语言模型研究进展。
graph-based-deep-learning-literature - 探索基于图的深度学习最新文献与会议进展
GithubICMLNeurIPS图形深度学习开源项目数据挖掘计算机视觉
该项目收录了基于图的深度学习领域内,例如NeurIPS、ICML和ICLR等顶级会议的出版物、相关工作坊、综述文章、书籍以及软件资源链接。这些资源为学术研究人员和专业学者提供了方便的一站式服务,便于他们探索、查询及利用该领域内的最新科研成果和工具。
graph-data-augmentation-papers - 图数据增强研究论文和资源集合
Github半监督学习图数据增强图机器学习图神经网络对比学习开源项目
该项目收集了图数据增强领域的研究论文,包括节点、图和边任务的监督与半监督学习方法,以及自监督学习中的对比学习技术。项目提供文献综述、教程和代码资源,支持图机器学习研究。内容持续更新,开放社区贡献。
Awesome-Pretraining-for-Graph-Neural-Networks - 图神经网络预训练技术论文资源库
Github图神经网络对比学习开源项目生成式预训练自监督学习预训练
该资源库全面收集了图神经网络预训练相关论文,按发表年份、图类型、预训练策略、调优策略和应用领域分类。内容涵盖静态图、动态图、异构图等图类型,以及生成式、对比学习、多任务学习等预训练策略。同时包含prompt tuning等调优方法,并涉及推荐系统、生物学等应用领域。资源库不断更新,为图神经网络预训练研究提供重要参考。
项目侧边栏1项目侧边栏2
推荐项目
Project Cover

豆包MarsCode

豆包 MarsCode 是一款革命性的编程助手,通过AI技术提供代码补全、单测生成、代码解释和智能问答等功能,支持100+编程语言,与主流编辑器无缝集成,显著提升开发效率和代码质量。

Project Cover

AI写歌

Suno AI是一个革命性的AI音乐创作平台,能在短短30秒内帮助用户创作出一首完整的歌曲。无论是寻找创作灵感还是需要快速制作音乐,Suno AI都是音乐爱好者和专业人士的理想选择。

Project Cover

有言AI

有言平台提供一站式AIGC视频创作解决方案,通过智能技术简化视频制作流程。无论是企业宣传还是个人分享,有言都能帮助用户快速、轻松地制作出专业级别的视频内容。

Project Cover

Kimi

Kimi AI助手提供多语言对话支持,能够阅读和理解用户上传的文件内容,解析网页信息,并结合搜索结果为用户提供详尽的答案。无论是日常咨询还是专业问题,Kimi都能以友好、专业的方式提供帮助。

Project Cover

阿里绘蛙

绘蛙是阿里巴巴集团推出的革命性AI电商营销平台。利用尖端人工智能技术,为商家提供一键生成商品图和营销文案的服务,显著提升内容创作效率和营销效果。适用于淘宝、天猫等电商平台,让商品第一时间被种草。

Project Cover

吐司

探索Tensor.Art平台的独特AI模型,免费访问各种图像生成与AI训练工具,从Stable Diffusion等基础模型开始,轻松实现创新图像生成。体验前沿的AI技术,推动个人和企业的创新发展。

Project Cover

SubCat字幕猫

SubCat字幕猫APP是一款创新的视频播放器,它将改变您观看视频的方式!SubCat结合了先进的人工智能技术,为您提供即时视频字幕翻译,无论是本地视频还是网络流媒体,让您轻松享受各种语言的内容。

Project Cover

美间AI

美间AI创意设计平台,利用前沿AI技术,为设计师和营销人员提供一站式设计解决方案。从智能海报到3D效果图,再到文案生成,美间让创意设计更简单、更高效。

Project Cover

稿定AI

稿定设计 是一个多功能的在线设计和创意平台,提供广泛的设计工具和资源,以满足不同用户的需求。从专业的图形设计师到普通用户,无论是进行图片处理、智能抠图、H5页面制作还是视频剪辑,稿定设计都能提供简单、高效的解决方案。该平台以其用户友好的界面和强大的功能集合,帮助用户轻松实现创意设计。

投诉举报邮箱: service@vectorlightyear.com
@2024 懂AI·鲁ICP备2024100362号-6·鲁公网安备37021002001498号