3-15-GCN和GNN的区别？

最新推荐文章于 2023-11-10 00:38:40 发布
最新推荐文章于 2023-11-10 00:38:40 发布
阅读量1.8w 收藏 39
点赞数 31
分类专栏： ~~~杂~~~
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/qq_40723205/article/details/114840756
版权

GNN：图神经网络，由于传统的CNN网络无法表示顶点和边这种关系型数据，便出现了图神经网络解决这种图数据的表示问题，这属于CNN往图方向的应用扩展

GCN：图卷积神经网络，GNN在训练过程中，有将attention引入图结构的，有将门控机制引入图结构的，还有将卷积引入图结构的，引入卷积的GNN就是GCN，通过提取空间特征来进行学习

 

GCN为图卷积神经网络，其为GNN的一种，区别主要在于采用卷积算子进行信息汇聚。

NANCYGOODENOUGH
关注
  • 31
    点赞
  • 踩
  • 39
    收藏
    觉得还不错? 一键收藏
  • 1
    评论
专栏目录
一切皆是映射：深入浅出图神经网络(GNN)
禅与计算机程序设计艺术
06-14 275
一切皆是映射：深入浅出图神经网络(GNN) 1. 背景介绍 1.1 图神经网络的兴起 图神经网络(Graph Neural Network, GNN)是深度学习领域近年来的一个研究热点。它是将深度学习方法应用于图结构数据的一类模型，
【图学习】GNN GCN图学习技术概述
Idiot 的博客
01-15 3287
此篇博客是对中科院计算所沈华伟博士的图学习报告笔记。B站上有上传的视频：https://www.bilibili.com/video/av667610549/ 一、图学习基础 1.1拉普拉斯矩阵 是图的度矩阵，是图的邻接矩阵。 普通形式的拉普拉斯矩阵： 矩阵元素为：对称归一化的拉普拉斯矩阵（Symmetric normalized Laplacian）（最常用）：矩阵元素为：随机游走归一化拉普拉斯矩阵（Random walk normalized Laplacian）： 矩阵元素为： 无向图的.
【由浅入深！】----------从GNN到GCN
qq_62324715的博客
10-31 119
GCN----图卷积网络
快速理解GNN、GCN、R-GCN、GAT
weixin_44295084的博客
09-06 4264
写在前面：仅用于记录自己学习 快速理解GNN、GCN、R-GCN、GATGNNGCNR-GCNGAT 观看视频链接GNN 观看视频链接GCN 观看视频链接R-GCN 观看视频链接GAT GNN GNN的流程：聚合、更新、循环 a、b、c的常数值可以自己手动定，也可以是模型训练来定。所以，a、b、c的常数值设置经常是文章的改进点。 将邻居的信息结合到自己身上来，作为自己信息的补足。 GCN 与GNN相比，在聚合的过程中有了特殊的变化，GCN解决上面GNN中聚合部分的a、b、c值的设定问题。 平均法
最基础的GNN与GCN理解
热门推荐
kc7w91的博客
12-06 1万+
最基础的GNN与GCN理解卷积GNN能干嘛？怎么做？GCN一、 空域角度二、频域角度 卷积 卷积只能处理图像矩阵这种规则的、欧几里得结构的数据，实现对其空间特征的提取。 卷积的理解–传送门（冰淇淋） 卷积公式： 公式解释：一个对象对一个系统的作用效果满足线性原理、累加原理（前提）。该对象对这个系统连续作用了一段时间后，求该系统的状态——这个过程可理解为求卷积。在卷积中，第一个函数 g(t) 表示这个对象对系统的作用速度。第二个函数 f(t) 表示当作用速度为单位冲击函数时这个对象对系统的作用效果。 GNN
GNN GCN和GAT
qq_43024853的博客
03-18 2640
在阅读论文的时候突然就对GNN、GCN和GAT这几个概念有一点疑惑。 GNN和GCN的关系是什么？ 简单的查阅了一些资料，初步的有个概念就是：GNN是处理图数据这种非欧式空间数据的一种Deep Neural Network。是一个比较大的概念。 而GCN、GAT都是GNN的一种。 GCN是将卷积应用到图数据上，其数学基础呢是利用拉普拉斯矩阵 而GAT是将注意力系数应用到图数据上。 GCN和GAT都是将邻居节点的特征聚合到中心节点上（一种aggregate运算）。 但是GCN是一种全图的计算方式，一次计算就更
实战-----基于 PyTorch 的 GNN 搭建
最新发布
qq_56164625的博客
11-10 1578
在以上的实验中，我们对 PyG 中的图数据类以及自身具备的图数据进行了实践，整体而言比较简单，和 PyTorch 中的一些相关操作也有相似之处。唯一美中不足的是，在加载 PyG 中的图数据时经常会遇到问题，需要手工下载数据集并且修改原代码。1%29%7D网址在此。
图卷积神经网络GCN与图神经网络GNN
zhu_xian_gang的博客
10-23 6502
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）。
PyTorch搭建GNN-LSTM和LSTM-GNN模型实现多变量输入多变量输出时间序列预测
KI的博客
01-09 1万+
PyTorch搭建GNN-LSTM和LSTM-GNN模型实现多变量输入多变量输出时间序列预测
PyG搭建R-GCN实现链接预测
KI的博客
08-05 2652
PyG搭建R-GCN实现链接预测
Python-图形神经网络GNN
08-11
1. **Graph Convolutional Networks (GCN)**：最早由Kipf和Welling提出的GCN，是GNN的一种简化形式，适用于半监督学习任务，如节点分类和图分类。 2. **Graph Attention Networks (GAT)**：引入了注意力机制，使得...
图网络相关论文和代码（gnn gcn graphsage gat gas dgcn sim-gnn）
06-03
2. **GCN（Graph Convolutional Network）**：由Kipf和Welling在2016年提出，GCN是GNN的一个变体，受到卷积神经网络的启发。它通过一个近似局部归一化的过程，对节点特征进行平滑处理，从而获取节点的低维表示。GCN...
Python-图神经网络GNN相关资源大列表
08-11
3. **DGL (Dynamic Graph Library)**：这是一个跨框架的库，支持PyTorch和MXNet，提供高效的图操作和多种GNN模型。 4. **Stellargraph**：这个库专注于图深度学习，特别适合生物信息学和社交网络分析，同时也支持...
GNN-hardware-acceleration-paper:这个 repo 是收集 state-of-the-art GNN 硬件加速论文
05-30
GNN-hardware-acceleration-paper-collect 这个 repo 是收集 state-of-the-art GNN 硬件加速论文 GNN 通用框架 PYG：使用 PyTorch Geometric [ ][ ] 的快速图表示学习 DGL：深度图库（DGL） ，[ ] GCN训练加速 曾，...
GCN-GAT-Graphsage
12-28
GCN（Graph Convolutional Network）、GAT（Graph Attention Network）和GraphSAGE是GNN家族中的三种主流模型，它们在节点分类、图分类和链接预测等任务上表现出色。 1. GCN（Graph Convolutional Network）： GCN...
1-28-论文中 w.r.t 是什么意思
qq_40723205的博客
01-28 4080
w.r.t = with respect to的缩写 关于，谈及的意思
WPS中如何编辑空心字母
qq_40723205的博客
06-20 2984
WPS中如何编辑空心字母
百度网盘加速
qq_40723205的博客
11-24 1722
选择设置 打开利用闲置宽带为下载加速或换取积分
gcn和gnn有什么区别
09-17
GCN（Graph Convolutional Network）和GNN（Graph Neural Network）是两种常见的图神经网络模型，它们在图数据的建模和处理方面有一定的区别。 首先，GCN是GNN的一种特殊类型。它是一种基于图卷积层（Graph Convolutional Layer）的图神经网络模型。GCN主要关注节点的特征表示学习，通过将每个节点与其邻居节点的特征进行聚合，更新节点的特征表示。它使用固定的邻居聚合策略，没有考虑全局的图结构。因此，GCN通常适用于层次结构明确、节点之间联系较弱的图数据。 而GNN则是一个更广泛的概念，它包括了GCN在内，并且还包括许多其他类型的图神经网络模型，例如GraphSAGE、GAT等等。GNN关注的是图数据中节点之间的关系和全局的图结构。它可以学习节点特征表示、边的特征表示以及图级别的特征表示。相较于GCN，GNN能够更好地捕获图数据的全局信息和复杂的节点关系，适用于各种不同的图数据类型。 总结来说，GCN是GNN的一种特殊类型，主要关注节点特征表示学习；而GNN则是广义上的图神经网络模型，可以处理各种图数据的特征学习和预测任务，更注重全局的图结构和节点之间的关系。
评论 1
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