692 字 1 分钟

最近扫 Nature & Science 发现了一些有趣的论文，分享一下。 A neural network unpicks the knots: 利用 RNN 解决扭结问题，pdf. Universality in long-distance geometry and quantum complexity: 不同的尺度在数学和物理上会有不同的表征吗？又想到了涌现本身也是尺度带来的特点。 A quantum engine in the BEC–BCS crossover: 量子热机？听起来好有趣 Solid-body trajectoids shaped to roll...
7.4k 字 7 分钟

# 传统图机器学习方法回顾 在上一节中，我们梳理了传统图机器学习方法的主要知识。传统的图机器学习流程如下： 输入图 特征构建 学习算法 预测 其中，绝大多数精力被耗费在特征工程上（即第二步）。因此，一个自然的问题是，能否将特征提取自动化？这就是图表示学习 (graph representation learning). 我们将一个对象转化成的特征向量称为一个特征表示 (feature representation), 也称为一个嵌入 (embedding). #...