https://space.bilibili.com/34394939/favlist?fid=note
局部的卷积核学习到局部的特征。
卷积核的平移不变性。
把欧式定义的卷积迁移到非欧数据上。
复杂网络的度为重维分布。
卷积是两个函数的数学运算。
卷积更基本的原理就是图上的信号处理。
谱方法:谱方法是空间方法的子集。
在节点域中,不满足平移不变性,因此把图上的信号变为谱域,在谱域实现卷积,再返回节点域。
空间方法:仍试图在节点域上直接实现,解决参数共享问题。
图卷积网络的输入输出:
谱方法---------------------------------------------------------------------------------------
实现x的图信号往谱域的投影,y作为卷积核的信号,也投到谱域。
(傅里叶变换)
1、傅里叶变换,输入信号x投影到谱域;
2、对变换后的信号做卷积,g-sita是真正的卷积核;
3、傅里叶逆变换,转回节点域;
该方法对谱方法提出有贡献。
依赖于拉普拉斯特征向量,复杂度高。
其三个代价:
+++++++++++++++++++++++++++++++++++++++++++