GNN开山作

Spectral Networks and Deep Locally Connected Networks on Graphs

Summary

分别从空域和频域角度在图上通过神经网络的方式建模,并在mnist数据集上验证了两种建模方式的可行性.

Research Objective

使神经网络能够应用于包括图像等更为广阔的领域,例如社交网络,分子原子等

Problem Statement

传统的CNN只能应用于类似于图像视频等有序,高维的数据结构上.但在大多数领域中,图能够为无序,低维的数据结构提供一种"natual framework",因此这篇论文主要讲述了如何在图上构建深度神经网络.

Method(s)

• 空域,一种比较naive的方式.2828的图像中每个像素被视为一个节点
  因此特征的维数是C=2828=784,因此空域模型的第l层全卷积定义为$$X^{(l+1)}=X^{}$$