图神经网络GCN

已于 2024-08-08 01:07:03 修改
阅读量184 收藏
点赞数 3
分类专栏： 图卷积神经网络 文章标签： 神经网络 人工智能 深度学习
于 2024-08-07 00:47:20 首次发布
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/m0_72232218/article/details/140969189
版权

图神经网络GCN

图卷积神经网络应用领域分析

在这里插入图片描述
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述

在这里插入图片描述
在这里插入图片描述
在这里插入图片描述

图基本模块定义

在这里插入图片描述
在这里插入图片描述

邻接矩阵的定义

在这里插入图片描述
在这里插入图片描述

GNN中常见的任务

在这里插入图片描述
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述

消息传递计算方法

在这里插入图片描述
在这里插入图片描述
在这里插入图片描述

多层GCN的作用

在这里插入图片描述
GNN有多层的目的就是每个点可以考虑其它点的特征
在这里插入图片描述

GCN基本模型概述

在这里插入图片描述
在这里插入图片描述
在这里插入图片描述

图卷积的基本计算方法

在这里插入图片描述

在这里插入图片描述

度矩阵就是每个点和多少个点有关系
在这里插入图片描述
在这里插入图片描述

邻接矩阵的变换

在这里插入图片描述
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述

GCN变换原来解读

在这里插入图片描述
在这里插入图片描述
在这里插入图片描述

pytorch Geometric工具包安装和配置方法

在这里插入图片描述
https://github.com/pyg-team/pytorch_geometric
在这里插入图片描述

在这里插入图片描述
在这里插入图片描述
在这里插入图片描述

第一步通过pip wheels安装依赖
第二步通过pip install pytorch_geometric进行安装
在这里插入图片描述

数据集与邻接矩阵格式

在这里插入图片描述

在这里插入图片描述

在这里插入图片描述
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述

模型定义和训练方法

在这里插入图片描述
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述

构建数据集基本方法

在这里插入图片描述
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述

数据集与任务背景概述

在这里插入图片描述
在这里插入图片描述

数据集基本预处理

在这里插入图片描述
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述

用户行为图结构创建

在这里插入图片描述
在这里插入图片描述
在这里插入图片描述

数据集创建函数介绍

在这里插入图片描述
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述

网络结构定义模块

这里的任务就是对图做分类，判断用户最后有没有买。对每一个图判断一个0或1

在这里插入图片描述
在这里插入图片描述

topkpooling进行下采样任务

在这里插入图片描述
在这里插入图片描述

获取全局特征

在这里插入图片描述
在这里插入图片描述
在这里插入图片描述

在这里插入图片描述
在这里插入图片描述

下面就是全连接层
在这里插入图片描述

模型训练与总结

在这里插入图片描述
在这里插入图片描述

这是一个分类任务，我们可以算一个auc值
在这里插入图片描述

幸运小新
关注
  • 3
    点赞
  • 踩
  • 0
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
专栏目录
图神经网络-GCN
weixin_43771204的博客
07-07 1471
GCN
图神经网络的PPT
04-17
图神经网络（Graph Convolutional Networks，简称GCNs）是一种深度学习模型，专门用于处理非欧几里得数据，如图结构数据。在传统的深度学习中，数据通常以向量或矩阵的形式存在，而在现实世界中，许多问题的数据自然...
【PyG】图神经网络GCN代码自学
qq_42859088的博客
05-10 6916
GCN代码分析自学 Data cora.cites如下图所示： content表示每个点的内容,第一列为序号，最后一列为所属类型。 utils.py load_data()函数 def load_data(path=os.path.join(os.getcwd(),'pygcn','data','cora'), dataset="cora"): """Load citation network dataset (cora only for
图神经网络GCN原理学习
最新发布
2401_85325519的博客
05-28 985
图像数据是一种特殊的图数据，图像数据是标准的2D网格结构图数据。图像数据的CNN卷积神经网络算法不能直接用在图数据上，原因是图数据具有以下特殊性
图卷积神经网络GCN与图神经网络GNN
zhu_xian_gang的博客
10-23 6868
GCN既可以进行直推式学习也可以进行归纳式学习，而传统的比如基于随机游走的方法、基于矩阵分解的方法、标签传播的只能进行直推式，但是直推式的缺点显而易见，直推式无法泛化到新结点，需要重新采样随机游走序列，优化更新所有节点的嵌入向量。然而归纳式学习可以泛化到新节点，也可进行迁移式学习，如GAT、GIN等图神经网络方法（通过计算图的范式，得到结构上的相似，比如，地理上的远隔）。
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）
热门推荐
Sky_小天
10-07 1万+
图卷积神经网络（GCN）的初级认识
【图结构】之图神经网络GCN详解
qq_41995574的博客
09-01 1万+
作者：張張張張 github地址：https://github.com/zhanghekai 【转载请注明出处，谢谢！】 一、GCN诞生的由来 \qquadCNN系列： 做图像识别时，对象是图片，是一个二维的结构，于是人们发明了CNNCNNCNN这种神奇的模型来提取图片的特征。CNNCNNCNN的核心在于它的kernelkernelkernel，kernelkernelkernel是一个个小窗口...
图神经网络之图卷积网络——GCN
zbp_12138的博客
11-27 6615
图卷积网络——GCN一、前置基础知识回顾图的基本概念构造图神经网络的目的训练方式二、回顾卷积神经网络在图像及文本上的发展图像上的卷积网络文本上的卷积网络图卷积网络的必要性三、图卷积网络从图像卷积类比到图结构卷积图卷积网络的计算公式邻接矩阵度矩阵理解计算公式用消息传递的方式实现图卷积网络消息传递的步骤1. 边上的源节点，往目标节点发送特征——Send2. 目标节点对收到的特征进行聚合——Recv一个例子理解消息传递的作用深入理解AH(l)AH^{(l)}AH(l)图卷积网络在 PGL 的实现用多层图网络完成节
图神经网络（GCN）
Blessy_Zhu的博客
03-22 1084
GCN理解
图神经网络实战视频教程
09-14
2. 基础图神经网络模型介绍（如GCN、GAT） 3. 实战案例分析，如社交网络分析、分子结构预测 4. GNN模型的训练与优化策略 5. 如何使用开源库（如PyTorch Geometric, DGL）进行GNN开发 6. 模型评估与性能提升 通过...
STGCN图卷积神经网络.pdf
05-28
STGCN图卷积神经网络
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...
图神经网络课程PPT.zip
12-02
图神经网络（Graph Neural Networks, GNN）是深度学习领域中的一个重要分支，它专注于处理非欧几里得数据，特别是图结构数据。本课程PPT深入探讨了这一主题，为理解GNN的基本概念、原理以及在实际应用中的作用提供了...
图神经网络实战课程分享
08-31
图神经网络（Graph Neural Networks, GNN）是深度学习领域中的一个重要分支，它专注于处理非欧几里得数据，如社交网络、化学分子结构、交通网络等。在本实战课程中，我们将深入探讨GNN的基本原理，以及如何利用它们...
T-GCN（图卷积神经网络-交通流预测）（代码）.zip
01-09
图卷积神经网络（Graph Convolutional Networks, GCN）是一种在图结构数据上进行深度学习的方法，它扩展了传统的卷积神经网络（CNN）到非欧几里得数据。在交通流预测任务中，GCN能有效地处理复杂的交通网络结构，...
图神经网络demo.zip
01-29
图神经网络（Graph Neural Networks, GNN）是一种用于处理图数据的深度学习模型，它能够对节点、边和整个图进行特征学习。在本“图神经网络demo”中，我们将会探讨GNN的基本原理，常见应用，以及如何通过代码实现一...
gnn图神经网络（代码完整）
01-03
图神经网络（GNN，Graph Neural Networks）是一种用于处理图数据的深度学习模型，它能够对节点、边或整个图进行建模，并学习其内在的结构信息和特征表示。GNN的核心思想是通过消息传递机制，让每个节点不断聚合其...
介绍一下图神经网络GCN
05-10
GCN（Graph Convolutional Network）是一种基于图结构的神经网络模型，主要用于处理图数据，如社交网络、推荐系统、化学分子结构等。与传统的神经网络不同，GCN 能够在图结构上进行卷积操作，从而提取节点的特征表示。 GCN 的核心思想是利用邻居节点的信息来更新每个节点的特征表示。具体地，GCN 将每个节点的特征与其邻居节点的特征进行加权求和，并将结果作为当前节点的新特征表示。这个过程可以用矩阵乘法的形式表示，从而使得整个网络可以通过反向传播进行训练。 GCN 在推荐系统、社交网络分析等领域有着广泛的应用。它可以有效地处理高维稀疏的图数据，提取节点之间的关系特征，从而提高分类、聚类、预测等任务的准确性。
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