![](https://img-blog.csdnimg.cn/20201014180756926.png?x-oss-process=image/resize,m_fixed,h_64,w_64)
图学习
。
xiao_kong_long_
这个作者很懒,什么都没留下…
展开
-
GNN 图神经网络
GNN的作用是输入一个具有特征和结构的图,输出最终的特征GNN有三个流程:聚合、更新和循环,接下来我将在这个图中介绍。以A结点为例,邻居信息 ,其中a,b,c是边的权重A更新后的信息其中 sigma 是激活函数,W 和 alpha 都是参数然后经过多次循环,可构造多层GNN,A结点就可以得到其他所有结点的信息那么,算出来的最终特征有什么作用呢? 1、在结点分类任务中,可以直接拿去分类,通过训练 loss,来优化 W 2、在关联预测...原创 2022-04-26 21:23:20 · 1275 阅读 · 0 评论 -
GCN 图卷积网络
GCN是在GNN的基础上进化的,主要是对其聚合过程进行了改进。之前计算邻居信息的时候的 a,b,c 不好确定,于是GCN想要根据图中的特定信息来确定 a,b,c。最简单的是“平均法”,也就是把周围的邻居的特征以及自己特征求平均值,作为更新后的特征。这种做法过于简单粗暴,会在某些情况中不切实际(我和偶像、我和马云的钱不可能平均)。于是,GCN提出了以结点的度为依据来求边权重的思想,一个结点的度越大,其与其他结点所连边的权重也就越小。平均法的聚合公式如下:其中,A(i,j)是原创 2022-04-26 21:53:32 · 2073 阅读 · 0 评论 -
GAT 图注意力网络
GAT 提出了一种自学习边的权重的方法。在GNN里,权重是人为给定的,在GCN里,权重是跟结点的度有关系的,而在GAT里,权重跟结点所具有的特征有关系。怎么计算的呢?还是看原来那副图。其中,A,B结点之间边的权重可以这么来计算其中,W是一个可以将高维向量转化为低维向量的转换矩阵,a是一个向量。||操作符表示把两个向量并在一起。再来看原论文中给出的图和计算公式多头注意力机制 多头注意力机制就是根据不同的特征依据,采用多套W...原创 2022-04-27 10:19:37 · 1339 阅读 · 0 评论 -
AE 自动编码器
原创 2022-04-27 11:22:55 · 2779 阅读 · 0 评论