图神经网络
NicoNull
这个作者很懒,什么都没留下…
展开
-
图神经网络-让GCN真正火起来的第三代GCN
Semi-Supervised Classification with Graph Convolutional Networks 论文链接 先看论文的两层图卷积 其中X为节点的特征矩阵,W为网络的可学习参数 用于做图卷积的邻接矩阵和度矩阵都是正则化过后的。不难看出,节点的特征矩阵乘以邻接矩阵A,就相当于聚合了其邻居节点的特征,所以该形式定义的图卷积神经网络也被称为一阶ChebNet。 和第一代,第二代的GCN对比,该网络依赖于节点的特征矩阵,网络的参数矩阵,正则化后的邻接矩阵和度矩阵。从图卷积的形式上原创 2020-07-28 20:38:20 · 699 阅读 · 0 评论 -
图卷积神经网络—第二代GCN
Convolutional Neural Networks on Graphs with Fast Localized Spectral Filtering 论文地址 文章的创新点: (1)原创 2020-07-25 19:30:21 · 1404 阅读 · 0 评论 -
图卷积神经网络-第一代GCN
Spectral Networks and Deep Locally Connected Networks on Graphs 论文地址 摘要 卷积神经网络是图像和音频识别任务中非常有效的结构,因为能够利用在它们领域的局部平移不变性。 在本文中,我们考虑了将CNN泛化到更一般的域上。 特别是,我们提出了两种构造 一个基于域的分层聚类,另一个基于图Laplacian的谱分解。 我们通过实验表明,对于低维图,可学习的卷积层具有与输入大小无关的参数,从而能够生成高效的深层结构。 通过拉普拉斯谱扩展卷积 直接进入原创 2020-07-24 18:59:54 · 641 阅读 · 0 评论