GCN
uuup111
这个作者很懒,什么都没留下…
展开
-
图卷积网络(GCN)原理解析
前言Graph Convolutional Networks涉及到两个很重要的概念:graph和Convolution。传统的卷积方式在欧式数据空间中大展神威,但是在非欧式数据空间中却哑火,很重要的一个原因就是传统的卷积方式在非欧式的数据空间上无法保持“平移不变性”。为了能够将卷积推广到Graph等非欧式数据结构的拓扑图上,GCN横空出世。深入理解GCN:https://www.jianshu.com/p/35212baf6671讲的蛮好的...原创 2020-11-17 16:07:25 · 677 阅读 · 0 评论 -
GCN总结
<h1 id="auto-id-0">一、GCN简介</h1>GNN模型主要研究图节点的表示(Graph Embedding),图边结构预测任务和图的分类问题,后两个任务也是基于Graph Embedding展开的。目前论文重点研究网络的可扩展性、动态性、加深网络。 谱卷积有理论支持,但有时候会受到拉普拉斯算子的限制;而空间域卷积更加灵活,主要困难在于选择定量邻域上,没有统一理论。未来方向:加深网络: 研究表明随着网络层数增加,模型性能急剧下降感受野:.转载 2020-05-19 12:46:20 · 934 阅读 · 0 评论