1
8

你将收获

机器学习中的图算法以及在图数库上的应用案例分析

微软语音AI进展与实践

人工智能在医学影像中的应用及前景

AI在音频中的应用

适用人群

高校师生、科研机构以及企业同行。学习者需要对机器学习和图数据分析有一定的基础或兴趣。

课程介绍

百万人学AI 系列活动之AI大师课,包含技术公开课,在线峰会等活动,邀请业界专家通过在线直播的形式,让开发者们一站式学习了解当下AI的前沿技术研究、核心技术与应用以及企业案例的实践经验。课程涉及“专家分享+互动问答+群内讨论”等多元方式,与AI学习者/开发者共同交流与成长。
参与「AI大师课·线上峰会」活动,还可获得「2020AI开发者万人大会」299元免费参会码一个,报名成功后,免费码会通过短信方式发送。

课程讨论

力压faster rcnn?不得了啊这算法开源伐

未来影像医生要失业么,科技革命是真“革命”!

同学笔记

  • liangbin414 2020-05-23 16:03:49

    来源:机器学习中的图算法以及在图数库上的应用案例分析 查看详情

    稀疏矩阵可以用左边的图表示,圆圈节点表示行和列,它们间的数据表示矩阵上对应行列的值 

  • weixin_41526449 2020-04-29 21:48:18

    来源:机器学习中的图算法以及在图数库上的应用案例分析 查看详情

    1. 矩阵可以用一个有向图来储存,,特别是对于稀疏矩阵来说,存储空间的节省尤为显著

    2. 很多问题(关系的集合),都可以转化为图来表示

     

    数据的图特征:中心性

    • 中介中心性
      • 反映一个节点担任其他两个结点之间最短路径的桥梁的次数
      • 较高中介中心性的节点(如交通枢纽)有更高流量通过,对网络的控制能力更强
    • 接近中心性
      • 取决于该节点到其他节点的平均最短距离
      • 较高接近中心性的节点(如市中心)李其他节点更近
    • 特征向量接近性
      • 反映一个节点邻居节点的数量和重要性
      • 引用该文章的文章质量多是高质量的,则该文章质量也是较高质量的
      • 较高特征向量中心性的节点(如高质量的论文)有更高的权威性

    Graph Embedding

    • 图上的每一个节点都映射成一个向量,用该向量表示该节点在图中的特征,用该向量送入下一步模型中进行预测
    • 图内不同颜色的节点在不同的组内。把所有的节点都映射成向量,把向量投射到二维空间上。可见在向量空间中比较接近的点,在图上的距离也比较接近。此为Graph Embedding的原理。
    • Node2vec算法,源自于word2vec算法
    • 案例:诈骗电话识别

     非监督机器学习

    • 图聚类 Graph Clustering
      • 社区发现算法
        •  

    •  

没有更多了