heterogeneous专题
详解FedProx：FedAvg的改进版 Federated optimization in heterogeneous networks
FedProx：2020 FedAvg的改进 论文：《Federated Optimization in Heterogeneous Networks》 引用量：4445 源码地址： 官方实现（tensorflow）https://github.com/litian96/FedProx 几个pytorch实现：https://github.com/ki-ljl/FedProx-PyTorch ，
【intro】GNN中异构图（heterogeneous graph）综述
本篇博客内容是读两篇论文，两篇论文连接如下： Heterogeneous graph neural networks analysis: a survey of techniques, evaluations and applications A Survey on Heterogeneous Graph Embedding: Methods, Techniques, Applications
异构图神经网络——Heterogeneous Graph Neural Networks
相关代码见文末 1.回顾同构图 1.1 GNN GNN基本计算方法——邻接矩阵乘以节点，聚合相邻节点的特征，得到本节点的特征表达 1.2 Graph Attention Network 引入图注意力，实现边的权重可学习，最简单的方法是，将两个节点的特征进行拼接,使用一组可学习的权重参数映射为边的权重,经过Leaky ReLU后使用softmax归一化得到。
一篇文章看懂Homogeneous Graph与Heterogeneous Graph，以及如何通过DGL定义数据与模型 进行Batch训练
Homogeneous Graph与Heterogeneous Graph 提供图训练的小知识Homogeneous Graph与Heterogeneous Graph的区别在DGL(Deep Graph Library) 定义 同构图在DGL(Deep Graph Library) 定义 异构图 提供图训练的小知识 在一张图进行训练时， 可能由于层数的增加，使得结点可以充分
Reconfigurable Intelligent Surface Assisted Mobile Edge Computing with Heterogeneous Learning Tasks
文献阅读系列文章 I will share the papers in the filed of CIM (computing in memory) based on emerging NVM (nonvolatile memory), especially RRAM. The ideal state is that I will update the series blogs every d
读《Reasoning with Heterogeneous Graph Alignment for Video Question Answering》
摘要 主要的视频问题回答（VQA）方法是基于细粒度表示或特定于模型的注意机制。他们通常分别处理视频和问题，然后将不同模式的表示输入后续的后期融合网络（决策层融合？）。虽然这些方法使用一种模态的信息来增强另一种模态，但它们忽略了在统一模态中整合模态间和模态内的相关性。 本文提出了一个深度异构对视频图对齐网络。从四个步骤来探索网络架构：表示、融合、对齐和推理。在我们的网络中，模态间信息和模态内信息可
Heterogeneous Graph Attention Network 阅读笔记
Heterogeneous Graph Attention Network 阅读笔记 摘要 提出了一种基于层次注意的新型异构图神经网络，包括节点级和语义级注意。 具体来说， 节点级注意力旨在学习节点与其基于元路径的邻居之间的重要性 (即注意结点的重要性)语义级注意力能够学习不同元路径的重要性 （即注意边的重要性） 通过从节点级别和语义级别的注意力中学习到的重要性，可以充分考虑节点和元路径的
Representation Learning for Attributed Multiplex Heterogeneous Network 论文阅读笔记
摘要部分 网络嵌入（图嵌入）在真实世界中已经有了非常大规模的应用，然而现存的一些网络嵌入（图嵌入）相关的方法主要还是集中在同质网络的应用场景下，即节点和边的类型都是单一类型的情况下。但是真实世界网络中每个节点的类型都多种，每条边的类型也有多种，而且每一个节点都具有不同且繁多的属性。所以本论文提出了一种在Attributed Multiplex Heterogeneous Network中进行嵌入
论文笔记：Multiplex Heterogeneous Graph Convolutional Network
Multiplex Heterogeneous Graph Convolutional Network 现有的工作忽略了多类型节点之间多重网络的关系异质性和节点嵌入元路径中关系的不同重要性 导致很难捕获到跨不同关系的异构结构信号 什么是多类型节点之间多重网络的关系异质性？ 首先要知道什么是多重网络(multiplex network)，在一个网络中，用户可能会对一个商品有多种交互，比如点击
Representation Learning for Atributed Multiplex Heterogeneous Network
Representation Learning for Atributed Multiplex Heterogeneous Network 本文中心思想问题背景核心思路edge embedding Heterogeneous Network) 本文中心思想 问题背景 异构图分这么多种种类：要注意不是只有节点类型不同的才叫异构图，根据不同的节点类型，和不同的边的连接关系（单
Representation Learning for Attributed Multiplex Heterogeneous Network论文阅读笔记
论文提出的算法主要是针对复杂的多重异构网络（即节点有属性，节点类型有多种，边的类型有多种）。算法名字叫做GATNE，可以分为直推式GATNE-T和归纳式GATNE-I。 每个节点的embedding包括base embedding和edge embedding。其中base embedding是用在共有的，edge embedding是针对不同类型的边构造的图生成的embedding。 对于GAT
Heterogeneous Graph Attention Network论文阅读笔记
论文实现了在异构图（节点和边的种类数大于2的图）实现Attention机制。 节点级别的：node-level Attention，学习节点和通过元路径与其相连的节点之间的重要程度。 语义级别的：semantic-level attention，学习不同元路径的重要程度。 不同的节点类型可能会有不同的特征空间。例如，人节点的属性有性别、姓名等，电影节点的属性有上映时间等。 异构图中有大量复杂且富
论文翻译：2023_THLNet: two-stage heterogeneous lightweight network for monaural speech enhancement...
论文地址：THLNet: 用于单耳语音增强的两级异构轻量级网络 代码：https://github.com/dangf15/THLNet 引用格式：Dang F, Hu Q, Zhang P. THLNet: two-stage heterogeneous lightweight network for monaural speech enhancement[J]. arXiv preprint
【论文解读 IJCAI 2019 | PP-GCN】Fine-grained Event Categorization with Heterogeneous GCN
论文链接：https://arxiv.org/abs/1906.04580 代码链接：https://github.com/RingBDStack/PPGCN 来源：IJCAI 2019 关键词：HIN，细粒度事件分类，hyper-edge，GCN 文章目录 1 摘要2 介绍2.1 社交事件(social event)2.2 挑战2.3 已有的工作2.4 作者提出2.5
Metapath-guided Heterogeneous Graph Neural Network for Intent Recommendation
Fan S, Zhu J, Han X, et al. Metapath-guided Heterogeneous Graph Neural Network for Intent Recommendation[J]. 2019. https://github.com/googlebaba/KDD2019-MEIRec Abstract 与传统的查询推荐和项目推荐不同，意图推荐是在用户打开应用程
Adversarial Discriminative Heterogeneous Face Recognition阅读笔记
Lingxiao Song, Man Zhang, Xiang Wu, Ran He AAAI-18 一、简介 不同人脸模式的感知模式之间的差距在异质人脸识别中仍是一个具有挑战性的问题(HFR)。图像对在大多数数据库中没有准确对齐，即使我们可以根据面部的位置标记对图像进行对齐，同一对象的姿势和面部表情仍然有很大的差异。 本文提出了一种基于原始像素空间（raw-pixel space）和紧致特
ACL2020 Heterogeneous Graph Neural Networks for Extractive Document Summarization
Heterogeneous Graph Neural Networks for Extractive Document Summarization 异构图神经网络提取文档摘要摘要1 引言2 相关工作3 Methodology3.1 Document as a Heterogeneous Graph3.2 Graph Initializers3.3 Heterogeneous Graph La
论文笔记《HetETA: Heterogeneous Information Network Embedding for Estimating Time of Arrival》
Abstract 本文目标是预计到达时间(The estimated time of arrival, ETA)，现有研究存在问题：很少有研究将结构化的图数据考虑在内，更不用说异构的信息网络了。本文提出 HetETA 模型 旨在ETA任务中利用异构的图数据，具体做法： （1）将路网地图转化为多相关信息网络，引入车辆轨迹图联合考虑车辆行为模式 （2）时间信息分为近期(recent periods)
DyHNE-Dynamic Heterogeneous Information Network Embedding with Meta-path based Proximity
文章目录 摘要1 引言2 相关工作2.1 网络嵌入2.2 HIN嵌入2.3 动态网络嵌入 4 DyHNE模型4.1 基本思想4.2 静态HIN嵌入 5 结论 来源：IEEE Trans2020 作者：北邮陆元福等人 摘要 异构信息网络(HIN)嵌入的目的是学习节点的低维表示，同时保持HIN中的结构和语义。现有的方法主要集中在静态网络上，而一个真正的HIN通常会随着时间的
Reconfigurable Intelligent Surface Assisted Mobile Edge Computing with Heterogeneous Learning Tasks
文献阅读系列文章 I will share the papers in the filed of CIM (computing in memory) based on emerging NVM (nonvolatile memory), especially RRAM. The ideal state is that I will update the series blogs every d
3D学习论文参考-ACCURATE EYE PUPIL LOCALIZATION USING HETEROGENEOUS CNN MODELS
以下是该文档的关键内容： 该论文提出了一种使用异构卷积神经网络（CNN）模型的精确眼睛瞳孔定位算法。这种算法可以抵抗光照、图像分辨率和眼镜佩戴等干扰条件，同时具有高准确性。该算法由两部分组成：一是找到近似眼睛区域，二是通过提取每个眼睛区域的语义特征来找到瞳孔位置。该论文还介绍了所提出算法的实验结果，并做出了结论和贡献。这种算法在虚拟现实和增强现实等各种计算机视觉应用中具有重要意义。 可以参考下面的
IntentGC:a Scalable Graph Convolution Framework Fusing Heterogeneous Information for Recommendation
这是阿里巴巴发表在KDD2019的论文,主要是融合了异构信息网络中的许多辅助信息进行推荐。 【原文链接】 【摘要】从常见的用户行为和项目信息中收集了大量的关系，并提出了一个新的框架IntentGC，在图卷积网络上利用显式偏好和异构关系，并减少了不必要的特征交互。 【原理】 1.捕获了大量的异构关系来提高推荐的性能。 2.为了方便操作和提高鲁棒性，将一阶近似的辅助关系转化为二阶近似的更鲁棒
Fusing Heterogeneous Factors with Triaffine Mechanismfor Nested Named Entity Recognition
原文链接：https://aclanthology.org/2022.findings-acl.250.pdf ACL 2022 介绍 使用一个预训练好的模型加上一些简单的结构就能达到比较好的结果，但作者认为如果对一些相关特征进行明确的建模（比如：inside tokens、边界、标签和related span）有利于复杂嵌套的span表征和分类。 虽然
论文阅读--Energy efficiency in heterogeneous wireless access networks
异构无线接入网络的能源效率 论文信息：Navaratnarajah S, Saeed A, Dianati M, et al. Energy efficiency in heterogeneous wireless access networks[J]. IEEE wireless communications, 2013, 20(5): 37-43. I. ABSTRACT && INTRO