Svennnn

GraphSAGE 模型论文 一种归纳式节点特征学习算法，提出邻居采样与聚合函数的高效计算公式，可用于生成未知节点嵌入。

图注意力网络 GAT 图卷积网络的一种，使用注意力机制处理节点与节点的邻居关系，不同节点之间的同一个邻居可以具有不同的权重。

使用图卷积网络做半监督分类 介绍 GCN 来源、原理、计算简化思路等，使用 GCN 可快速捕获多层近邻的图结构信息，还可添加节点自身特征向量，用二者共同构建节点表示。

用深度循环神经网络做语音识别 介绍 RNN、CTC、HMM、LSTM 等概念，介绍堆叠神经网络的深度模型的概念，介绍序列数据双向处理的概念，介绍音素、语素相关处理手段。

深度神经网络实现语音识别的原声建模 介绍如何用 RBM 处理语音数据，原声建模，并实现语音识别，然后推广到 DNN。

残差网络，通过引入残差函数与恒等映射，可解决非常深的网络训练时遇到的模型退化问题，在利用了深度提升带来的准确率增益的同时，不增加额外计算复杂度。

Inception 与 GoogLeNet：可使用局部卷积的稀疏连接与提升整体网络深度，实现模型在计算复杂度适度增加的同时效果急剧提升。

VGG模型论文 讨论模型深度与卷积核大小对图像表示效果的影响。实验证明提升卷积层数量可增强模型性能。使用多层小卷积核替代单层大卷积核可提升性能与训练效率。

SDNE 算法，介绍如何同时建模网络的一阶、二阶相似性。首次使用深度学习模型来构建节点向量表示。针对稀疏性问题做了一些描述与解释。