Reinforced

《Reinforced concrete structures》是1975年R. Park和T. Paulay所著的一本关于钢筋混凝土结构的书籍。这本书被公认为将Strut-and-tie模型引入设计领域的开山之作。该书提供了关于钢筋混凝土结构设计的重要知识和理论，但在网上查找这本书可能会比较困难。

关于提取向量化信息和更新节点表示的方法，可以使用相邻节点中提取的信息进行聚合，并递归地更新自身节点的表示。其中，z^l_v是节点v在第l层之后的表示，初始时用x_v进行初始化。聚合函数和更新函数分别表示了信息的聚合和更新过程。

在边的关系中，通常会忽略边之间的从属关系。大多数解释器在探测边属性和构造解释子图时独立绘制边的属性。然而，事实上，边通常相互协作，并与其他边协作以逼近决策边界。这种高度依赖的边缘形成了一个联盟，可以在模型中建立一个原型来做出决策。例如，在化学领域中，N=O键形成的硝基（NO2）是一个典型的联盟，负责突变性和预测准确性的提高。因此，对于模型预测的解释，N=O键可以提供更好的事后解释。<span class="em">1</span><span class="em">2</span><span class="em">3</span>
#### 引用[.reference_title]
- *1* [Reinforced concrete structures_reinforced_书籍_ConcreteStructures_](https://download.csdn.net/download/weixin_42681774/27438078)[target="_blank" data-report-click={"spm":"1018.2226.3001.9630","extra":{"utm_source":"vip_chatgpt_common_search_pc_result","utm_medium":"distribute.pc_search_result.none-task-cask-2~all~insert_cask~default-1-null.142^v93^chatsearchT3_1"}}] [.reference_item style="max-width: 50%"]
- *2* *3* [Reinforced Causal Explainer for Graph Neural Networks 图神经网络的增强因果解释器](https://blog.csdn.net/feijianguoer/article/details/129710966)[target="_blank" data-report-click={"spm":"1018.2226.3001.9630","extra":{"utm_source":"vip_chatgpt_common_search_pc_result","utm_medium":"distribute.pc_search_result.none-task-cask-2~all~insert_cask~default-1-null.142^v93^chatsearchT3_1"}}] [.reference_item style="max-width: 50%"]
[ .reference_list ]