课程价格 :
¥699.00
剩余名额
0
-
学习时长
八周/建议每周至少八小时
-
答疑服务
专属微信答疑群/讲师助教均参与
-
作业批改
部分章节设计作业/助教及时批改评优
- 1:【课前必看】如何写作业&提交作业&毕业优秀标准
- 第1章: 卷积神经网络:从欧几里得空间到非欧几里得空间
- 2:【课件】第一节 从欧氏空间到非欧空间.pdf
- 第1节: 人工神经网络发展浪潮
- 3-1:【视频】简介
- 3-2:【视频】卷积神经网络发展浪潮
- 第2节: 卷积计算与卷积神经网络结构
- 4-1:【视频】卷积计算
- 4-2:【视频】卷积神经网络结构
- 第3节: 卷积神经网络拓展至非欧空间
- 5:【视频】非欧空间卷积
- 第2章: 谱域图卷积介绍
- 6:【课件】第二节 谱域图卷积.pdf
- 第1节: 图卷积简介
- 7:【视频】谱域卷积介绍
- 第2节: 图谱卷积的背景知识
- 8:【视频】图谱卷积背景知识
- 第3节: 经典图谱卷积模型:SCNN, ChebNet,GCN
- 9:【视频】三个经典的图谱卷积模型
- 第3章: 空域图卷积介绍
- 10:【课件】空域图卷积介绍(一).pdf
- 第1节: 谱域图卷积回顾及其缺陷
- 11:【视频】谱域图卷积回顾及其缺陷
- 第2节: 空域卷积模型:GNN, GraphSAGE, GAT, PGC
- 12-1:【视频】GNN
- 12-2:【视频】graphSAGE
- 12-3:【视频】GAT
- 12-4:【视频】PGC
- 第3节: 空间域图卷积局限性分析——过平滑现象
- 13-1:【课件】过平滑现象.pdf
- 13-2:【视频】图卷积网络回顾
- 13-3:【视频】过平滑现象
- 第4章: 图卷积的实践应用
- 第1节: 图卷积应用:交通预测及其他应用
- 14-1:【课件】第五节课.pdf
- 14-2:【视频】图卷积神经网络的应用
- 第5章: 实践:基于PyG的图卷积的节点分类
- 第1节: 环境搭建
- 15-1:【课件】实践节点分类.pdf
- 15-2:【视频】环境搭建
- 第2节: 基于PyG框架的节点分类实践
- 16-1:【视频】节点分类实践(上)
- 16-2:【视频】节点分类实践(下)
- 第3节: 构造自己的数据集&查阅其他GCN方法
- 17:【视频】构造自己的数据集&查阅其他GCN方法
- 第4节: 实践作业
- 18:【作业】实践调用不同的图卷积网络
- 第5节: 作业讲评
- 19-1:第五章作业讲评
- 19-2:第五章作业相关附件
- 第6节: 第五章优秀作业展示
- 20:第五章优秀作业展示
- 第6章: 实践:基于Pytorch的图卷积的交通预测
- 第1节: 课件&代码
- 21-1:【思维导图】第七节.pdf
- 21-2:【代码】实践数据及代码.rar
- 第2节: 时序数据处理及建模
- 22:【视频】时序数据处理及建模
- 第3节: 基于Pytorch的交通流量预测
- 23:【视频】基于Pytorch的交通流量预测
- 第4节: 作业
- 24:【作业】基于Pytorch实现GAT模型用于交通流量预测
- 第5节: 作业讲评
- 25-1:图卷积神经网络第六章作业讲评
- 25-2:code
- 第6节: 优秀作业展示
- 26:第六章优秀作业展示