写在前面
参考文章:
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