|
- GCN、GAT、GraphSAGE的优势很明显，想问一下它们分别有什么缺点? - 知乎
3 GAT这篇论文创新之处是加入attention机制，给节点之间的边给予重要性，帮助模型学习结构信息。 相对的缺点就是训练方式不是很好，其实这个模型可以进一步改，用attention做排序来选取采样节点，这样效果和效率方面应该会有提升。 说的可能不准确，欢迎讨论。
- GAT具体能应用到什么领域？ - 知乎
GraphSAGE-LSTM（3 layers）表现已经取得了之前的SOTA结果，但是Const-GAT尽管不使用注意力机制，其表现能力也能飞跃到0 93左右，而GAT加上注意力机制，能够将这个结果更进一步。 思考：为什么Const-GAT即使没有添加自注意力机制的优势，也能够将表现提升得那么明显呢？
- Graph Attention Networks - 知乎
【晓白】大家好，今天继续为大家更新有关图神经网络的基础内容。今天更新 图注意力网络 (GAT：Graph Attention Networks)。 希望对GNN入门的同学有帮助！不能错过！如果您打算入门并精通深度学习知识，有任何疑问也可以私信讨论，我们一起进步，互相学习。代码设计有很多细节，如果需要代码和数据
- 刚接触图神经网络，对图注意力网络也不明白，向问问图注意力网络中的权重是怎么训练学习到的尼？ - 知乎
图注意力网络（GAT）计算周边节点（包括自己）的权重，并进行聚合 一般来说，这些方法分为2个步骤： 权重计算（没有归一化）：为每条边计算权重，特征和网络可以用多种方法实现
- Transformer和GNN有什么联系吗？ - 知乎
2 Graph Transformer与GAT， Transformer之间的区别 关联 既然是近似，那Graph Transformer与GAT， Transformer之间的区别是什么? 从Attention机制的角度来简单的回答一下第三个问题。 GAT们的self-attention只计算邻居节点，而Transformer们的self-attention会考虑所有的节点。
- 为什么GAT能够实现Inductive learning，而GCN不行？ - 知乎
为什么GAT能够实现Inductive learning，而GCN不行？ 最近在学习图神经网络，请问 1。 所谓inductive learning在test时可以有“unseen”的节点具体意思是什么？ 比如说有10个节点的图… 显示全部 关注者 190
- 为什么《GTA5》要分两个版本？ - 知乎
虽然问题问的不够详细，但我能看明白题主想要表达的意思。 从2025年3月开始，PC版的《GTA5》成了两个版本，一个传承版，一个增强版。 因此，我稍微编辑了一下原问题，使问题更加易懂。 从硬件方面来说，这是一个历史原因。 《GTA5》于2013年，首发于PS3、Xbox 360平台。 此时，是这两台机器的生涯
- 图神经网络的发展历程，截止2023年 - 知乎
图注意力网络（Graph Attention Networks，GAT）：2018年，Petar Veličković等人提出了图注意力网络，它采用了注意力机制来计算节点之间的相似度，可以学习每个节点在不同层次上的不同重要性。
|
|
|