- 综合排序
- 最热优先
- 最新优先
- 来自专栏CreateAMind
概率语言和编程包比较
Debugging & Visualization Modularity Inference Engine Language Community & Ecosystem RxInfer.jl ~ ✓ ✓ ~ ✗ Message-passing Julia ✗ ForneyLab.jl ✗ ~ ✗ ~ ✗ Message-passing Julia ✗ Infer.net ~ ✓ ✗ ✓ ✗ Message-passing C# ✗ PGMax ✗ ✓ ✗ ✓ ✗ Message-passing Python ✗ Turing.jl ✓ ✗ ✓ ~ ✗ Sampling Julia ✓ PyMC ✓ ✗ ✓ ✓ ✗ Sampling Python
36710编辑于 2023-11-30 - 来自专栏CreateAMind
MPI入门 (Part 3/3)
Message Passing Interface (MPI) is a standardized and portable message-passing standard designed by a syntax and semantics of a core of library routines useful to a wide range of users writing portable message-passing
85410发布于 2019-10-22 - 来自专栏图与推荐
最新综述 | 可信图神经网络: 隐私, 鲁棒性, 公平和可解释性
这种被称作message-passing的机制使得图神经网络在处理图结构数据上取得了巨大成功并被广泛应用到日常生活。例如，Pinterest就应用了GNNs在他们的图片推荐系统当中。 然而现有的综述论文多以讨论在图像和文本这类数据的隐私问题，其中讨论的方法难以拓展到图数据结构和采用message-passing架构的图神经网络。 由于message-passing机制和图结构，GNNs可能会被节点特征和图结构上的对抗性扰动影响。例如，诈骗犯可以通过创造和一些特定高信用用户的交易来逃过基于GNNs的诈骗检测。 我们最近的研究 [3] 表明GNNs中的message-passing机制相较于多层感知机（MLP）会加剧数据中的偏见。这也证明了针对图神经网络实现公平性是十分有必要的。 由于复杂图结构的离散型和高度的非线性，再加上message-passing机制在GNNs中的应用，图神经网络普遍缺乏可解释性。而开发可解释图神经网络（explainable GNNs）是十分关键的。
1.1K30编辑于 2022-06-06 - 来自专栏图与推荐
Graph4Rec: 通用的图神经网络推荐工具箱, 一键下载运行~
基于 Message-passing 的 GNN 学习策略：GNN 模型对节点表示的邻居进行迭代聚合，并利用高阶图结构信息进行优化。 2.2 Graph Neural Networks 基于 Message-passing 的第 层 GNN 可以表示为： 简单的将上述 适用于大图数据的方法是邻域抽样，即解决 -hop 3.3 Ego Graphs Generation 在训练过程中为降低基于 Message-passing GNN 的多跳邻域聚合的递归式计算开销增长需要进行邻域采样。 节点表示通过以下方式计算： 其中 可以是任意基于 Message-passing 的 GNN model，Graph4Rec 提供了多种 GNN model 例如：GCN、GAT、LightGCN
1K31编辑于 2021-12-22 - 来自专栏职场亮哥
基于消息传递的并发模型
Process1在Channel的写入端添加消息，Process2在channel的读取端读取消息 基本特性对比 Actor 基于消息传递message-passing 消息和信箱机制：消息异步发送 保留可变状态但不共享 失败检测和任其崩溃 重点在于发送消息时的实体 CSP 基于消息传递message-passing 顺序进程Sequential processes 通过channel同步通信Synchronous
1K31发布于 2020-10-10 - 来自专栏图与推荐
如何应对变化的图数据分布? Non-IID Graph Neural Networks
个人认为根据这个实验结果说明的问题是图的结构会影响基于 Message-passing 的 GNN model 的性能，因为 large dataset 的表现更优，即丰富的图结构是 Message-passing
1.4K20编辑于 2021-12-15 - 来自专栏CreateAMind
自动生成julia(贝叶斯)推理算法代码
Given a probabilistic model, ForneyLab generates efficient Julia code for message-passing based inference
28030编辑于 2023-10-12 - 来自专栏机器学习与推荐算法
WWW2021 | 图神经网络在推荐系统中的论文汇总
Platforms 2.Learning Intents behind Interactions with Knowledge Graph for Recommendation 3.Interest-aware Message-Passing Interest-aware Message-Passing GCN for Recommendation ? GCN在推荐领域具有很大的潜力，但是基于GCN的推荐模型经常会遇到过度平滑的问题。
1.9K00发布于 2021-03-16 - 来自专栏NewBeeNLP
万物皆可Graph | 当推荐系统遇上图神经网络（三）
的文章，以前博主整理过的系列可以见： 万物皆可Graph | 当推荐系统遇上图神经网络 万物皆可Graph | 当推荐系统遇上图神经网络（二） IMP-GCN 论文：Interest-aware Message-Passing 「Interest-aware Message-passing Strategy」 文章使用的传播都是LightGCN，因为它的有效性已经得到了很好的证明。 最后经过图卷积后item?
1K20发布于 2021-08-20 - 来自专栏时空探索之旅
AAAI 2025 | 时空数据（Spatial-Temporal）论文总结
Structure Learning for Spatial-Temporal Imputation: Adapting to Node and Feature Scales Poster Unaligned Message-Passing 2412.18535 作者：Xinyu Yang, Yu Sun, Xinyang Chen, Ying Zhang, Xiaojie Yuan 关键词：插补，图结构 Poster 15 Unaligned Message-Passing
1.5K10编辑于 2025-01-20 - 来自专栏响应式编程
关于“反应式宣言”
Reactive Systems rely on asynchronous message-passing to establish a boundary between components that
83920编辑于 2022-05-30 - 来自专栏机器之心
学界 | Vicarious发表Science论文：概率生成模型超越神经网络
通过系统神经科学的启示，我们引入了视觉的概率生成模型，其中基于消息传送（message-passing）的推断以统一的方式处理识别、分割和推理（Reasoning）。
78980发布于 2018-05-10 - 来自专栏人工智能前沿讲习
【NSR特别专题】朱军：关于图的表达学习「全文翻译」
还有一个问题是如何寻找单个变量或一组变量的边缘分布，解决类似这样的问题，我们需要在图上使用消息传递算法（message-passing algorithms）（例如mean-field以及信念传播），这种方法可以影响紧凑依赖结构
49460发布于 2020-05-13 - 来自专栏图与推荐
GNN如何利用图上的边信息？
其中大部分模型基于message-passing方式构建，即“聚合邻居信息，更新节点自身状态”，在此范式中，节点特征得到充分的学习。
5.3K20发布于 2021-11-17 - 来自专栏图与推荐
推荐1个图上OOD的论文库~awesome-graph-OOD
Generalized Graph Neural Network [paper] [NeurIPS 2022] OOD Link Prediction Generalization Capabilities of Message-Passing
87120编辑于 2023-03-01 - 来自专栏全栈程序员必看
Weisfeiler-Lehman图同构测试及其他
Message-Passing Neural Network (MPNN) Weisfeiler-Lehman Netwrok (WLN) WLN的思想是将1-WL 中离散的呈指数增长的节点标签用嵌入向量代替
1.2K20编辑于 2022-07-23 - 来自专栏F-Stack的专栏
F-Stack与Seastar对比
F-Stack使用纯C开发(部分第三方组件使用了C++,F-Stack进行了封装)，容易上手；Seastar使用了C++14，Future-Promise, Shared-nothing，message-passing
3.5K90发布于 2018-01-31 - 来自专栏机器之心
图注意力网络一作：图表征学习在算法推理领域的研究进展
论文中假设，由于算法具有许多复杂的运算操作，信息传递单元（message-passing unit）将会是一种更为通用且有效的结构。 ?
52230发布于 2020-06-16 - 来自专栏图与推荐
ICLR'22上的47页“神仙论文” | 子图聚合图神经网络
Introduction 一直以来message-passing机制都认为是图神经网络的基本，但有时这种机制并不能完全通过WL同构图测试。
1.8K20编辑于 2022-04-14 - 来自专栏CreateAMind
实现抽象视觉推理
我们提出了神经符号消息传递推理机(NEUro-symbolic Message-pAssiNg reasoNer NEUMANN),这是一种基于图的可微分正向推理方法,以有效存储的方式发送消息。 generated clauses Csampled with randomly initialized clause weights w. 4 Experiments Q1: Does the message-passing
47420编辑于 2023-09-01
腾讯云开发者
Copyright © 2013 - 2026 Tencent Cloud. All Rights Reserved. 腾讯云 版权所有
深圳市腾讯计算机系统有限公司 ICP备案/许可证号：粤B2-20090059 
粤公网安备44030502008569号
腾讯云计算（北京）有限责任公司 京ICP证150476号 | 京ICP备11018762号