无监督异常检测
VAE
方差是各个样本数据和平均数之差的平方和的平均数。
标准差（Standard
Deviation），又称均方差，是方差的平方根
均方误差（Mean Squared
Error）是各数据偏离真实值差值的平方和
的平均数，均方误差的开方叫均方根误差，均方根误差才和标准差形式上接近。
方差是数据序列与均值的关系，而均方误差是数据序列与真实值之间的关系
因此，AE的训练损失函数可以采用简单的MSE
训练AE并不需要对数据进行标注，所以AE是一种无监督学习方法
压缩后得到的隐含特征也可以用来做一些其它工作，比如相似性搜索等
主成分分析（PCA）的主要目标是将特征维度变小，同时尽量减少信息损失。简而言之，对于一个样本矩阵：
换特征，找一组新的特征来重新表示；
减少特征，新特征的数目要远小于原特征的数目。
通过PCA将n维原始特征映射到维k（k<n）上，称这k维特征为主成分。需要强调的是，不是简单地从n
维特征中去除其余n-
k维特征，而是重新构造出全新的k维正交特征，且新生成的k维数据尽可能多地包含原来n维数据的信息。例如，使用PCA将20个相关的特征转化为5个无关的新特征，并且尽 ...
general heterophily
heterophily
heterophily与heterogeneity不同。Heterogeneity更多地与推荐系统中的节点类型差异有关，例如用户和项目节点，但heterophily是具有相同类型的节点下的邻居之间的特征或标签差异。传统的GNN通常假设相似的节点（特征/类）连接在一起，但“对立吸引”现象也广泛存在于一般图中。
这个github仓库收集了跟heterophily有关的论文：https://github.com/alexfanjn/Graph-Neural-Networks-With-Heterophily
ICLR2023中了的heterophily的相关论文
Gradient Gating
for Deep Multi-Rate Learning on Graphs
粒子动力学观点：ACMP: Allen-Cahn
Message Passing with Attractive and Repulsive Forces for Graph Neural
Networks, ICLR OpenReview
提供新的benchmark数据集：A critical lo ...
