GCN编码器

最新推荐文章于 2023-10-10 21:42:52 发布
最新推荐文章于 2023-10-10 21:42:52 发布
阅读量1.6k 收藏 5
点赞数 2
分类专栏： 机器学习 文章标签： 图卷积神经网络 GCN
-
本文链接：https://blog.csdn.net/qq_36158230/article/details/124138809
版权

一、GCN编码器

        GCN是指图卷积神经网络，但是这里我将重点谈谈卷积二字，而不重点强调神经网络四字。如果将GCN强调在卷积二字，那么GCN将被看成一个编码器。编码器的输入是图中节点的特征，以及邻接矩阵、度矩阵等。

        对于一个图，我们拥有一组节点的特征

其中N是图的节点个数，\tiny \vec{x}_i \in \mathbb{R}^F是节点\tiny i所对应的特征。

        另外节点之间的关系信息用邻接矩阵\tiny \mathbf{A}\in \mathbb{R}^{N\times N}，以及图关于节点的度的矩阵\tiny \mathbf{D}\in \mathbb{R}^{N\times N}，那么一个GCN编码器为

其中\tiny \sigma是一个激活函数，例如ReLU；，\tiny \mathbf{I}_N是N阶单位矩阵；而\tiny \hat{\mathbf{D}}是\tiny \hat{\mathbf{A}}对应的度矩阵，即\tiny \hat{\mathbf{D}}_{ii}=\sum_{j}^{} \hat{\mathbf{A}}_{ij}， \tiny \mathbf{\Theta} \in \mathbb{R}^{F\times F'}是可学习的线性转换器（反正就是可学习的参数）。

        如此下来，可以轻易地看出，这个GCN就是一个简单的矩阵计算过程。但实际上，这些个简单的计算过程是可以嵌套，进而组成图卷积神经网络，体现在多层的GCN编码，而不是一层。

        另外，如果想要更加细致地观察各个矩阵里面的值，可以参考这篇博客：浅谈GCN。

二、参考

        Velickovic, P., Fedus, W., Hamilton, W. L., Liò, P., Bengio, Y., & Hjelm, R. D. (2019). Deep Graph Infomax. ICLR (Poster), 2(3), 4.

        浅谈GCN

飞机火车巴雷特
关注
  • 2
    点赞
  • 踩
  • 5
    收藏
    觉得还不错? 一键收藏
  • 打赏
    打赏
  • 0
    评论
专栏目录
MLX框架的一些示例 包含：文本模型、图像模型、音频模型等
03-11
MNIST 上的卷积变分自编码器 （CVAE）。 音频模型 使用 OpenAI 的 Whisper 进行语音识别。 多式联运模型 使用 CLIP 联合文本和图像嵌入。 使用 LLaVA 从图像和文本输入生成文本。 其他型号 使用 GCN 对图结构化...
图卷积神经网络GCN--自动编码器代表作
青山白云间
04-02 4275
Graph Auto-encoder 文章目录Graph Auto-encoder1 Structural Deep Network Embedding2 Deep neural networks for learning graph representations3 Variational Graph Auto-Encoders4 MGAE: Marginalized Graph Autoenc...
图神经网络入门：GCN论文+源码超级详细注释讲解！
ZJF的博客
04-25 3万+
本文参考了这篇文章：https://blog.csdn.net/weixin_36474809/article/details/89379727侵删 这篇文章的代码非常经典，很值得学习，如有错误请指正 utils.py import numpy as np import scipy.sparse as sp import torch ''' 先将所有由字符串表示的标签数组用set保存，set的重...
图卷积神经网络(GCN)理解与tensorflow2.0代码实现
VariableX的博客
11-19 8966
图(Graph)，一般用 G=(V,E)G=(V,E)G=(V,E) 表示，这里的VVV是图中节点的集合，EEE 为边的集合，节点的个数用NNN表示。在一个图中，有三个比较重要的矩阵： 特征矩阵XXX：维度为 N×DN\times DN×D ，表示图中有N个节点，每个节点的特征个数是D。 邻居矩阵AAA：维度为 N×NN\times NN×N ，表示图中N个节点之间的连接关系。 度矩阵 DDD：维度为 N×NN\times NN×N ，是一个对角矩阵，即只有对角线上不为零，其他位置元素都是 0 ，表示图中
【Machine Learning】特征工程之独热编码(One-hot Encoding)
Lawe的博客
06-15 1699
一、独热编码         当我们在机器学习做特征工程时，如果某个categorical特征具有多个符号值，则不可能对具有这种特征的数据进行训练,而独热编码是解决这个问题的一种方法。比如我们有一个特征是protocol_type有三个值：tcp，udp，icmp，那么我们可以将三个名为tcp，udp，icmp的列追加到数据中，以表示protocol_type的值。最后，从数据中删除protoc
【GNN五大类 VGAE】（变分图自编码器）：Variational Graph Auto-Encoders
图挖掘领域，新晋砖家 ☞ 未来可期，欢迎和静静一起学习交流吖
04-29 1万+
转载阿泽的学习笔记 目录 1.Introduction 2.VGAE 2.1 VAE 2.2 VGAE 2.3 GAE 3.Experiment 4.Conclusion 5.Reference Thomas N. Kipf 的 2016 年的工作《Variational Graph Auto-Encoders》，目前引用量为 260 多。 VGAE 属于图自编码器，是图神...
学习GCN代码
Cai_gou_zi_xi的博客
10-04 1144
自学GCN之旅
GCN学习：one-hot编码
weixin_44252067的博客
02-19 249
GCN:one-hot编码
图编码器和解码器
qq_35090060的博客
05-18 205
图编码器和解码器原理 python实现 import torch import torch.nn as nn import torch.nn.init as init import torch.nn.functional as F class StackGCNEncoder(nn.Module): '''基于拼接的编码器''' def __init__(self, input_dim, output_dim, num_support, use_bias=False, activation=
基于 GNN 的链接预测器（Python完整源码和数据包）
11-23
基于 GNN 的链接预测器（Python完整源码和数据包） 调查了多个基于图形神经网络的端到端链接预测架构；编码器为GCN、RGCN、GAT、...GCN编码器和基于Dedicom的解码器在所有数据集上的表现都优于其他数据集（大于2%）。
GNN，GCN，图神经网络深度讲解100页ppt 包括基础的GNN和其多个变体
12-19
包括DCNN（Diffusion-Convolution Neural Network、NN4G（Neural Networks for Graph）、MPNN：Message Passing Neural Network、GAT （Graph Attention Network）、图自编码器（graph autoencoder，GAE）、变分图自...
GPCS4：Playstation 4模拟器刚刚开始
02-04
GPCS4 刚刚启动的PlayStation 4模拟器。 为娱乐和技术研究而完成的项目。 我开始这个项目的唯一原因是学习3D图形。 我不希望它成为一个严肃的... 仍然存在一些硬编码的测试代码，但是具有更多的设计，最重要的是，使
DCGCN:用于图到序列学习的密集连接图卷积网络（TACL19论文作者的MXNet实现）
05-03
有关编码器（DCGCN）架构的概述，请参见下文：每个块都有两个子块。 它们都是密集连接的图卷积层，其中层数（ n ＆ m ）不同。 对于这两个任务，我们使用n = 6和m = 3 。 这些是超参数。 依存关系 该模型要求： ...
基于图卷积网络（GCN）做AE商品推荐
zztSky
07-24 1405
1.下面讲解一个基于图自编码器实现简单的推荐任务的例子。推荐系统要建立的是用户与商品之间的关系，这里我们以简化后的用户对 商品的评分为例进行介绍，如图下图假设用户与商品之间的交互行为只 存在评分，分值从1分到5分。如果用户u对商品v进行评分，评分为r， 就是说用户u与商品v之间存在一条边，边的类型为r，其中r∈R。基于 这种交互关系对用户进行商品推荐实际上就是要预测哪些商品与用户之 间可能存在边，这样的问题称为边预测问题。对于这种边预测问题，我 们将其看作矩阵补全问题，用户与商品之间的交互行为构成了一个二部
图神经网络必读的​5个基础模型: GCN, GAT, GraphSAGE, GAE, DiffPool.
数据派THU
05-06 4421
来源：机器学习算法那些事 极市平台https://zhuanlan.zhihu.com/p/136521625本文约6000字，建议阅读10分钟本篇文章将从一个更直观的角度对当前经典流行的GNN网络，包括GCN、GraphSAGE、GAT、GAE以及graph pooling策略DiffPool等等做一个简单的小结。“近年来，深度学习领域关于图神经网络（Graph Neural Networks，...
图自编码器（GAE）与变分图自编码器（VGAE）
最新发布
小鱼的小窝
10-10 3545
在学习图自编码器之前先了解一下自编码器与变分自编码器。
KGE性能指标：MRR，MR，HITS@1，HITS@3，HITS@10
热门推荐
飞机火车巴雷特的博客
09-12 4万+
知识图谱MRR，MR，HITS@1，HITS@3，HITS@10的含义、计算方法
交叉熵损失和二元交叉熵损失
飞机火车巴雷特的博客
04-10 2万+
交叉熵损失和二元交叉熵损失的简单讨论
聚类系数clustering coefficient计算方式
飞机火车巴雷特的博客
03-13 1万+
网络节点的聚类系数计算方式；知识图谱实体的聚类系数计算方式
python pytorch GCN编码器、解码器 代码示例
05-30
以下是一个简单的PyTorch实现的GCN编码器和解码器的代码示例： ``` import torch import torch.nn as nn import torch.nn.functional as F class GCNEncoder(nn.Module): def __init__(self, input_dim, hidden_dim): super(GCNEncoder, self).__init__() self.input_dim = input_dim self.hidden_dim = hidden_dim self.W = nn.Linear(input_dim, hidden_dim) def forward(self, x, adj): h = self.W(x) h = torch.spmm(adj, h) h = F.relu(h) return h class GCNDecoder(nn.Module): def __init__(self, hidden_dim, output_dim): super(GCNDecoder, self).__init__() self.hidden_dim = hidden_dim self.output_dim = output_dim self.W = nn.Linear(hidden_dim, output_dim) def forward(self, h): y = self.W(h) return y ``` 在这个示例中，我们定义了一个GCNEncoder类和一个GCNDecoder类。GCNEncoder接受一个输入x和邻接矩阵adj，并将其转换为隐藏表示h。GCNDecoder接受隐藏表示h并将其转换为输出y。 在GCNEncoder中，我们首先使用一个线性层W将输入x转换为隐藏表示h。然后，我们使用邻接矩阵adj将h传播到相邻节点。最后，我们使用ReLU激活函数激活隐藏表示h并返回它。 在GCNDecoder中，我们使用线性层W将隐藏表示h转换为输出y，并将其返回。 这只是一个简单的实现示例，你可以根据你的需要修改代码以适应你的数据和任务。

“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

打赏作者

飞机火车巴雷特

你的鼓励将是我创作的最大动力

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付：¥1
获取中
扫码支付

您的余额不足，请更换扫码支付或充值

打赏作者

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