该页面汇总了社区检测领域的最新研究论文，覆盖深度学习、矩阵分解、标签传播、张量分解、谱方法等多种方法。资源包括实现代码以及分类、回归、欺诈检测、梯度提升等相关主题的其他资源。探索更多关于图分类、决策树和时间序列分析的前沿研究，帮助深入理解社区检测方法及其应用。

PyDGN是一个面向深度图网络(DGNs)研究的开源Python库。该库提供自动化的数据处理、实验管理和并行计算功能,支持模型选择与风险评估。PyDGN简化了图学习实验流程,有助于快速原型设计和结果复现,为图神经网络研究提供了实用工具。它支持CPU和GPU并行计算,可同时评估多种模型配置。PyDGN适用于各类深度图网络研究,包括图分类、节点分类等任务。该库提供了完整的实验管理流程,从数据预处理到模型评估,有助于提高研究效率和结果可靠性。

这个项目是一个全面的图神经网络（GNN）教程，内容涵盖基础架构到最新技术。课程包含四个章节：GNN简介、图注意力网络、GraphSAGE和图同构网络，每章配有详细文章和实践代码。教程旨在帮助学习者掌握GNN的核心概念和实现方法，适合对深度学习感兴趣的研究者和开发者。