GNN学习笔记（一）——图卷积网络（GCN）

一、引言

本文主要介绍图卷积网络（GCN），它是图神经网络（GNN）的一个重要分支。本节的介绍将从下面几点展开
1.Motivation：为什么需要图卷积神经网络
2.从空间域角度理解图卷积网络
3.从频域角度理解图卷积网络

二、Motivation：为什么需要图卷积神经网络

传统的CNN要求输入具有平移、尺度、形变不变性，具有规则的空间结构，比如图片、语音，可以用规则的一维或二维矩阵表示，但是生活中很多数据不具备规则的空间结构，比如社交网络、推荐系统等等。CNN中的卷积就是离散求和，GCN的一部分工作就是在寻找适用于图的卷积的形式。

三、从空间域角度理解图卷积网络

1. 图卷积的通式
在DNN网络中，单层网络的输出可以表示为如下所示：

类似的，在图卷积网络中，我们也定义定义图卷积层，记作如下所示：
实现有如下几种：
2.实现一：平均法

CNN的卷积操作考虑的是一个点空间位置上的相邻像素，而到图里面自然想到用与某点边相连的点的加权和来代替该点。