彭司实验室

---

==== 论文 ====

====== Python ======

========= Tensorflow =========

======= PyTorch =======

===== Keras =====

==== 专题 ====

==== 链接 ====

==== 视频 ====

======= 药物设计 =======

======= 材料科学 =======

============ 经济学与金融学 ============

---

========== 图神经网络 ==========

PyG spektral DGL 图卷积网络 图注意力网络 图自编码器 图生成网络 图时空网络 图神经网路与药物设计 图网络数据  Graphormer     PyTorch 深度学习和图神经网络 （扫描版书）

---

图神经网络(Graph Neural Networks,GNN)综述 - 知乎	什么是图神经网络
想入门图深度学习?这篇55页的教程帮你理清楚了脉络 .	图深度学习 Deep Learning on Graph
图深度学习(GraphDL)，下一个人工智能算法热点	图深度学习:成果、挑战和未来 - 知乎
图神经网络（Graph Neural Networks，GNN）综述	图神经网络到底是什么？终于有人讲明白了
PYTORCH框架下—GCN代码详细解读	论文综述—图神经网络用于医疗诊断的前世今生
七个用于图形深度学习的开源代码库	打通蛋白结构预测最后一公里：深度图神经网络有效加速蛋白模型优化
图神经网络入门	Graph Attention Network (GAT) 的Tensorflow版代码解析
查看PyG对应的Pytorch的版本	比9种SOTA GNN更强！谷歌大脑提出全新图神经网络GKATs
使用图神经网络进行节点分类	A gentle introduction to Graph neural networks
使用 node2vec 进行图表示学习

Graph-Based Deep Learning for Medical Diagnosis and Analysis: Past, Present and Future (重量级文献，图神经网络用于医疗的综述）
随着数据驱动的机器学习研究的进步，已经解决了各种各样的预测问题。探索如何利用机器学习，特别是深度学习方法来分析医疗保健数据变得至关重要。现有方法的一个主要限制是关注类似网格的数据；然而，生理记录的结构通常是不规则和无序的，这使得很难将它们概念化为矩阵。因此，图神经网络通过利用存在于生物系统中的隐式信息引起了极大的关注，交互节点由边连接，边的权重可以是时间关联或解剖连接。在本次调查中，我们彻底审查了不同类型的图架构及其在医疗保健中的应用。我们以系统的方式概述了这些方法，按照它们的应用领域进行组织，包括功能连接、解剖结构和基于电的分析。我们还概述了现有技术的局限性并讨论了未来研究的潜在方向。

 

 

---