Melvin Dong的博客

文章目录4、Vanilla Graph Neural Networks（原始图神经网络）4.1、 Introduction4.2 Model4.3 Limitations4、Vanilla Graph Neural Networks（原始图神经网络）在本节中，我们描述了Scarselli et al. [2009] 文章中提出的Vanilla GNN。此外，我们同时列出了Vanilla GNN在表示能力和训练效率方面的局限性。在本章之后，我们将讨论Vanilla GNN的集中变体。4.1、 Intro

3、Basic of Neural Network神经网络是机器学习中最重要的模型之一。人工神经网络由众多的神经元组成，相互之间有联系，其结构与生物神经网络有很大的相似之处。神经网络的学习方式如下：以随机权重或数值启动，神经元之间的连接通过反向传播算法反复更新其权重或数值，直到模型表现相当精确。最后，神经网络学习到的知识以数字方式存储在连接中。大多数关于神经网络的研究都试图改变它的学习方式（用不同的算法或不同的结构），目的是提高模型的泛化能力。3.1、Neural （神经元）神经网络最基本的单元是神经

文章目录2 Basic of Math and Graph2.1 Linear Algebra（线性代数）2.1.1 Basic Concepts（基本概念）2.1.2 EIGENDECOMPOSITION（特征分解）2.1.3 SINGULAR VALUE DECOMPOSITION（奇异值分解）2.2 PROBABILITY THEORY（概率论）2.2.1 BASIC CONCEPTS AND FORMULAS（基本概念和公式）2.2.2 PROBABILITY DISTRIBUTIONS（概率分布）

前言：最近对图神经网络部分比较感兴趣，偶尔看到清华大学刘知远老师在今年3月份发表的一本书：Introduction to Graph Neural Network，于是将该书内容进行翻译，记录阅读中自己的感悟。如翻译有不准确或者错误的地方，请指正。在原文中，不可避免的会有大量的人名、专业词汇等，本文翻译时将其保留，便于日后对其他文献的阅读与理解翻译进展： Chapter1：Introduction Chapter2：Basic of Math and Graph Chapter3：Bas.

文章目录1、Introduction1.1 MOTIVATIONS1.1.1 CONVOLUTIONAL NEURAL NETWORKS1.1.2 NETWORK EMBEDDING1.2 RELATED WORK1、Introduction图是一种数据结构，它对一组对象（nodes）及其关系（edges）进行建模。近来，用机器学习分析图的研究受到越来越多的关注，因为图具有巨大的表达能力，即图可以作为大量系统的表征，横跨各个领域，包括社会科学（social network）[Hamilton et al