排序方式: 共有24条查询结果,搜索用时 0 毫秒
21.
22.
图神经网络由于其对图结构数据的强大表征能力近年来受到广泛关注. 现有图神经网络方法主要建模静态同质图数据,然而现实世界复杂系统往往包含多类型动态演化的实体及关系,此类复杂系统更适合建模为动态异质图. 目前,动态异质图表示学习方法主要集中于半监督学习范式,其存在监督信息昂贵和泛化性较差等问题. 针对以上问题,提出了一种基于对比学习的全局增强动态异质图神经网络. 具体地,所提网络首先通过异质层次化注意力机制根据历史信息来生成未来的邻近性保持的节点表示,然后通过对比学习最大化局部节点表示和全局图表示的互信息来丰富节点表示中的全局语义信息. 实验结果表明,提出的自监督动态异质图表示学习方法在多个真实世界数据集的链路预测任务上的
23.
作为一种新型储粮仓,半地下双层浅圆仓可以保证粮食品质,具有节地、节能、低碳的优势。本文采用数值模拟的方法分析了半地下双层浅圆仓在正常使用阶段时不同工况条件下的应力与位移,并分别对上下两层在不同静态储粮高度下的力学性能进行了研究。结果表明:全仓空仓为最不利工况,根据位移云图分析应优先在地下仓装粮;地上层仓壁受力随着储粮高度的增加而增加,在仓壁距中间层1/4处至中间层处显著增大;地下层仓壁受力随着储粮高度的增加而减小,在仓壁与仓底接触处达到最大值;中间层在中心筒和外侧处应力最大,仓底在距外侧1/3处应力最大。该研究可为半地下双层浅圆仓工程设计与安全储粮提供理论支持与技术指导。 相似文献
24.
网络表示学习是一种将网络节点映射到低维、连续的实值向量空间上的技术,它在网络分析中发挥着重要作用.社团导向的网络表示学习作为目前研究的主要分支之一,主张在学习的节点表示中保持自身的社团属性,如节点的邻近性,使得相近节点具有相似表示.这类方法虽然可以挖掘现实系统中具有明显聚集特征的实体集合,但因其未考虑节点结构上的相似性,导致它们无法识别扮演相同角色、发挥类似功能的实体.近些年,一些方法结合角色的概念,利用节点在网络中的连接模式来派生节点表示,这使得学习到的表示可以尽可能地保持原始网络中节点的结构相似性.尽管这种面向角色的网络表示学习对于现实场景的分析及网络科学的发展起到了一定推动作用,但是目前对该领域的研究仍然非常有限,已有工作缺乏统一的理论解释和实验比较.本文主要对近年来角色导向的网络表示学习工作进行了系统性综述:首先,本文结合相关概念及理论知识,分析了社团导向和角色导向网络表示学习的区别;接着,在总结现有角色导向网络表示学习方法的基础上,给出了一种全新的分类方式,以把握不同算法的本质原理;随后,本文在具有社团或角色标签的十个实验数据集上对基于社团或角色的算法进行了可视化、节点分类、... 相似文献