图卷积神经网络——GCN的原理

写在前面

参考文章：

• https://zhuanlan.zhihu.com/p/71200936

GCN是做什么的？

在现实生活中，其实有很多很多不规则的数据结构，它们不属于欧式结构（欧式结构的特点就是结构很规则），典型的就是图结构，或称拓扑结构，如社交网络、化学分子结构、知识图谱等等；即使是语言，实际上其内部也是复杂的树形结构，也是一种图结构；而像图片，在做目标识别的时候，我们关注的实际上只是二维图片上的部分关键点，这些点组成的也是一个图的结构。

图的结构一般来说是十分不规则的，可以认为是无限维的一种数据，所以它没有平移不变性。每一个节点的周围结构可能都是独一无二的，这种结构的数据，就让传统的CNN、RNN瞬间失效。

GCN，图卷积神经网络，实际上跟CNN的作用一样，就是一个特征提取器，只不过它的对象是图数据。

GCN是如何运作的？

说实话，面对繁杂的GCN数学原理公式，作为一个准大三的学生，笔者是完全懵的状态，但是看到知乎上讲解GCN的高赞文章中指出，对于90%的复杂数学公式，我们只要知道它有，就可以了。因为它们的存在只是为了证明GCN是可以走得通的，而它们是怎么实现的我们则不关心。

对于GCN的核心部分，我们还是