Project Icon

Spectral-Graph-Survey

谱图神经网络研究综述与发展趋势

该项目汇集了谱图神经网络领域的重要研究成果,包括里程碑论文、空间和谱域方法对比以及双胞胎论文等。内容涵盖2015年至2023年的关键进展,系统梳理了该领域的发展脉络。项目不仅总结现有工作,还探讨未来趋势,为谱图神经网络研究提供全面参考。

优秀的谱图神经网络

欢迎PR Awesome

目录

综述

构建谱图卷积的里程碑论文

空间和谱域视角下的图神经网络

孪生论文

谱图的应用

  • "脑信号的图频率分析"
    • Huang, Weiyu, Leah Goldsberry, Nicholas F. Wymbs, Scott T. Grafton, Danielle S. Bassett, 和 Alejandro Ribeiro。
    • IEEE信号处理选题期刊 10, 第7期 (2016): 1189-1203。
  • "基于人群的疾病预测的谱图卷积"
    • Parisot, Sarah, Sofia Ira Ktena, Enzo Ferrante, Matthew Lee, Ricardo Guerrerro Moreno, Ben Glocker, 和 Daniel Rueckert。
    • 医学图像计算与计算机辅助干预− MICCAI 2017:第20届国际会议,加拿大魁北克市,2017年9月11-13日,会议录,第III部分20,第177-185页。Springer International Publishing,2017。
  • "使用图卷积网络进行疾病预测:自闭症谱系障碍和阿尔茨海默病的应用"
    • Parisot, Sarah, Sofia Ira Ktena, Enzo Ferrante, Matthew Lee, Ricardo Guerrerro Moreno, Ben Glocker, 和 Daniel Rueckert。
    • 医学图像分析 48 (2018): 117-130。
  • "脑振荡的谱图理论"
    • Raj, Ashish, Chang Cai, Xihe Xie, Eva Palacios, Julia Owen, Pratik Mukherjee, 和 Srikantan Nagarajan。
    • 人脑映射 41, 第11期 (2020): 2980-2998。
  • "脑振荡的谱图理论——回顾与改进"
    • Verma, Parul, Srikantan Nagarajan, 和 Ashish Raj。
    • NeuroImage 249 (2022): 118919。
  • "用于学习阿尔茨海默病大脑连接的谱图回归模型"
    • Hu, Chenhui, Lin Cheng, Jorge Sepulcre, Keith A. Johnson, Georges E. Fakhri, Yue M. Lu, 和 Quanzheng Li。
    • PloS one 10, 第5期 (2015): e0128136。
  • "脑振荡谱图模型的稳定性和动力学"
    • Hu, Chenhui, Lin Cheng, Jorge Sepulcre, Keith A. Johnson, Georges E. Fakhri, Yue M. Lu, 和 Quanzheng Li。
    • 网络神经科学 7, 第1期 (2023): 48-72。
  • "学习用于链接预测的谱图变换"
    • Kunegis, Jérôme, 和 Andreas Lommatzsch。
    • 第26届国际机器学习年会论文集,第561-568页。2009。
  • "输电网络中功率流几何的谱图分析"
    • Retiére, Nicolas, Dinh Truc Ha, 和 Jean-Guy Caputo。
    • IEEE系统期刊 14, 第2期 (2019): 2736-2747。
  • "使用谱图理论技术在基因共表达网络中选择阈值"
    • Perkins, Andy D., 和 Michael A. Langston。
    • BMC生物信息学, 第10卷, 第11期, 第1-11页。BioMed Central,2009。
  • "蛋白质相互作用网络演化的图谱分析"
    • Thorne, Thomas, 和 Michael PH Stumpf。
    • 皇家学会界面杂志 9, 第75期 (2012): 2653-2666。
  • "通过容量加权谱分析研究交通网络脆弱性"
    • Bell, Michael GH, Fumitaka Kurauchi, Supun Perera, 和 Walter Wong。
    • 交通研究B部分:方法论 99 (2017): 251-266。
  • "基于人群的疾病预测的谱图卷积"
    • Parisot, Sarah, Sofia Ira Ktena, Enzo Ferrante, Matthew Lee, Ricardo Guerrerro Moreno, Ben Glocker, 和 Daniel Rueckert。
    • 医学图像计算与计算机辅助干预− MICCAI 2017:第20届国际会议,加拿大魁北克市,2017年9月11-13日,会议录,第III部分20,第177-185页。Springer International Publishing,2017。
  • "真实网络中的流行病传播:特征值视角"
    • Wang, Yang, Deepayan Chakrabarti, Chenxi Wang, 和 Christos Faloutsos。
    • 第22届国际可靠分布式系统研讨会,2003年会议录,第25-34页。IEEE,2003。

有理函数与多项式比较的实验代码

code文件夹

引用信息

@article{10.1145/3627816,
    author = {Chen, Zhiqian and Chen, Fanglan and Zhang, Lei and Ji, Taoran and Fu, Kaiqun and Zhao, Liang and Chen, Feng and Wu, Lingfei and Aggarwal, Charu and Lu, Chang-Tien},
    title = {弥合空间域和谱域之间的差距:图神经网络的统一框架},
    year = {2023},
    issue_date = {2024年5月},
    publisher = {美国计算机协会},
    address = {纽约,纽约,美国},
    volume = {56},
    number = {5},
    issn = {0360-0300},
    url = {https://doi.org/10.1145/3627816},
    doi = {10.1145/3627816},
    journal = {ACM计算调查},
    month = {12月},
    articleno = {126},
    numpages = {42},
    keywords = {近似理论, 谱图理论, 深度学习, 图神经网络, 图学习}
}
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

AIWritePaper论文写作

AIWritePaper论文写作是一站式AI论文写作辅助工具,简化了选题、文献检索至论文撰写的整个过程。通过简单设定,平台可快速生成高质量论文大纲和全文,配合图表、参考文献等一应俱全,同时提供开题报告和答辩PPT等增值服务,保障数据安全,有效提升写作效率和论文质量。

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