图卷积GCN的理解

已于 2022-11-24 16:03:27 修改
阅读量77 收藏
点赞数
文章标签： 深度学习 人工智能 python
于 2022-11-09 08:29:33 首次发布
原文链接：https://zhuanlan.zhihu.com/p/390836594
版权

干货总结：

1.其核心是对一张特征图进行一维的卷积变换（降低维度），用矩阵乘法得到一个由N个节点，每个节点有D个特征的矩阵（N*D）

2.构建邻接矩阵，由节点之间的关系组成（N*N）

3.再利用下图的节点特征更新函数，来不断更新节点信息

一些GCN理论知识的灌冲：

 

m0_59724556
关注
  • 0
    点赞
  • 踩
  • 0
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
图卷积网络Graph Convolutional Network（GCN）的理解和详细推导.pdf
06-11
图卷积网络 GCN Graph Convolutional Network（谱域GCN）的理解和详细推导博客pdf 原博客链接：https://blog.csdn.net/yyl424525/article/details/100058264#comments_12499724
GCN图卷积网络的理解.docx
06-30
本文中有两个gif图需要将文件使用html的方式打开才可以看到，主要介绍了本人对图卷积网络的形象化的理解，希望能够帮助到大家共同努力，谢谢！
图卷积网络 GCN Graph Convolutional Network（谱域GCN）的理解和详细推导
热门推荐
知行合一，止于至善
08-24 15万+
文章目录1. 为什么会出现图卷积神经网络？2. 图卷积网络的两种类型2.1 vertex domain(spatial domain)：顶点域（空间域）2.2 spectral domain：频域方法（谱方法）3. 什么是拉普拉斯矩阵？3.1 常用的几种拉普拉斯矩阵普通形式的拉普拉斯矩阵对称归一化的拉普拉斯矩阵（Symmetric normalized Laplacian）随机游走归一化拉普拉斯矩...
图卷积GCN详解
zhuofutong的博客
11-12 3523
首发于神经网络--从入门到放弃写文章卷积神经网络CNN完全指南终极版（一）沉迷学习的糕糕​要成为最可爱的产品经理 （握拳！​关注她5,367 人赞同了该文章目录导读【1】导论【2】卷积运算【3】非线性激活【4】池化层 【5】全连接层【6】神经网络的训练与优化【7】想到再补充【1】导论先来说一写题外话...研究生入学后就被导师逼着学习神经网络，一开始非常盲目，先是在网上搜了一大堆的资料，各种什么“一文读懂卷积神经纹网络”，“叫你三分钟搭建属于自己的神经网络框架”，“五分钟速读神经网络全解”，之类的文章层出不穷
GCN-图卷积模型理解
为援不可图
09-08 1412
论文提出了一种可以在图结构中进行有效特征抽取的架构，这是和我们认为的卷积神经网络所处理的图片问题不同，图往往是非结构数据，呈散发或者聚合的样子，因此，很难通过普通的卷积网络来进行特征抽取。
GCN—图卷积神经网络理解
红叶谷 wsp_1138886114的博客
09-11 1万+
文章目录一、CNN卷积二、GCN 图卷积神经网络2.1 GCN优点2.3 提取拓扑图空间特征的两种方式三、拉普拉斯矩阵3.1 拉普拉斯矩阵的谱分解（特征分解）3.2 如何从传统的傅里叶变换、卷积类比到Graph上的傅里叶变换及卷积？ 一、CNN卷积 离散卷积：离散卷积本质就是一种加权求和。就是传统的CNN。 CNN 中的卷积本质上就是利用一个共享参数的过滤器（kernel），通过计算中心像素点以及...
图卷积网络GCN理解
Gavinmiaoc的博客
06-12 7789
图卷积网络（Graph Convolutional Network，GCN）是近年来逐渐流行的一种神经网络结构。不同于只能用于网格结构（grid-based）数据的传统网络模型 LSTM 和 CNN，图卷积网络能够处理具有广义拓扑图结构的数据，并深入发掘其特征和规律，例如 PageRank 引用网络、社交网络、通信网络、蛋白质分子结构等一系列具有空间拓扑图结构的不规则数据。相比于一般的拓扑图而言，...
图卷积网络GCN简介
路过人间，一叶知秋
06-20 2899
本文原文为16年九月所写，可能有些过时，但对于了解GCN的基础知识和设计哲学会有所帮助，此外本文的作者是论文[semi-Supervised Classification with Graph Convolutional Networks](http://arxiv.org/abs/1609.02907)的一作，因此将本文作为了解GCN的开端再好不过
图卷积神经网络GCN
weixin_45523256的博客
02-11 925
图卷积神经网络 图卷积神经网络就是一种能对图数据进行处理的方法。 如何理解图卷积算法？ 我们看动图分三步去理解（不同的节点有不同的权重）： 第一步：发射（send）每一个节点将自身的特征信息经过变换后发送给邻居节点。这一步是在对节点的特征信息进行抽取变换。 第二步：接收（receive）每个节点将邻居节点的特征信息聚集起来。这一步是在对节点的局部结构信息进行融合。 第三步：变换（transform）把前面的信息聚集之后做非线性变换，增加模型的表达能力。 GCN，图卷积神经网络，实际上跟CNN的作用一样，
图卷积神经网络(GCN)
青春正年少我要大声笑lamusique
04-21 1万+
0 前言 GCN问世已经有几年了（2016年就诞生了），但是这两年尤为火爆。本人愚钝，一直没能搞懂这个GCN为何物，最开始是看清华写的一篇三四十页的综述，读了几页就没读了；后来直接拜读GCN的开山之作，也是读到中间的数学部分就跪了；再后来在知乎上看大神们的讲解，直接被排山倒海般的公式——什么傅里叶变换、什么拉普拉斯算子等等，给搞蒙了，越读越觉得：“哇这些大佬好厉害，哎我怎么这么菜！”。 就这么反反复复，尝试一次放弃一次，终于慢慢有点理解了，慢慢从那些公式的里跳了出来，看到了全局，也就慢慢明白了GCN的原理
图卷积神经网络（GCN）
Sky_小天
10-07 1万+
图卷积神经网络（GCN）的初级认识
清晰图解，一图看懂图卷积GCN、时空图卷积ST-GCN
qq_43601378的博客
06-15 7746
目录1.前言2.普通卷积与图卷积2.1 普通卷积2.2 图卷积3.ST-GCN图卷积的公式解读4 ST-GCN图卷积的代码解读5 参考文献6 联系方式 1.前言 本文为我阅读论文 Spatial Temporal Graph Convolutional Networks for Skeleton-Based Action Recognition 和代码后的所思所想，仅代表我个人观点 2.普通卷积与图卷积 2.1 普通卷积 在理解图卷积之前，需要认识一下传统的卷积。对于一个3×3的卷积操作而言，相当于把3×3
基于tensorflow2.0实现图卷积神经网络GCN.zip
08-22
图卷积神经网络(GCN)理解与 tensorflow2.0 代码实现 图(Graph)，一般用 G = ( V , E ) G=(V,E)G=(V,E) 表示，这里的V VV是图中节点的集合，E EE 为边的集合，节点的个数用N NN表示。在一个图中，有三个比较重要的...
理解图卷积网络的节点分类
08-30
在过去的几年中，正在开发图神经网络的各种变体，其中之一就是图卷积网络（GCN）。GCN也被视为基本的图神经网络变体之一。 在本文中，我们将更深入地研究由Thomas Kipf和Max Welling开发的图卷积网络。我还将在使用...
图卷积神经网络GCN经典案例，CORA数据集，分类任务，纯pytoch编写，注释清晰，可视化直观感受
06-03
图卷积神经网络GCN是图神经网络GNN的一种，其实理解起来也不难。当然最好的学习方法是从一个经典案例开始。CORA数据集是分类任务的一个经典案例，已知一篇论文的特性，求出它是属于哪种类型的论文。代码纯pytoch框架...
《异常检测——从经典算法到深度学习》29 EasyTSAD: 用于时间序列异常检测模型的工业级基准
Smileyan's blog
05-31 1299
EasyTSAD 论文阅读以及实验操作过程
深度学习之梯度缩放介绍
yueguang8的博客
05-31 1155
在深度学习中，梯度是用于更新模型参数的关键信息。然而，当使用低精度数据类型（如半精度浮点数）进行训练时，梯度的计算可能会受到数值溢出或下溢的影响，导致训练不稳定或无法收敛。
BiLSTM_Attention用于多变量时序回归
最新发布
weixin_44245188的博客
06-03 925
data = data[[“实际功率”,“预测风速(m/s)”,“预测风向(°)”,“预测气温(℃)”,“cos预测风向”,“sin预测风向”]]#data[“cos预测风向”]=np.cos(data[“预测风向(°)”].values.astype(‘float’))data[“sin预测风向”]=np.sin(data[“预测风向(°)”].values.astype(‘float’))tss = np.sum((y_true - np.mean(y_true)) ** 2) # 总平方和。
06_深度学习历史的里程碑--重读AlexNet
https://github.com/foxpup11?tab=repositories
06-02 916
https://www.bilibili.com/video/BV1r7411X7LC?p=3&vd_source=7dace3632125a1ef7fd32c285eb2fbac
图卷积神经网络gcn改进
08-30
图卷积神经网络（Graph Convolutional Neural Network，GCN）是一种应用于图数据的深度学习模型。其主要目的是通过利用图结构的局部连接和节点特征的传播来进行节点分类和图分类任务。为了改进GCN模型，可以考虑以下...

“相关推荐”对你有帮助么？

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值