RNN CNN GCN
属于深度学习领域——图像识别 主要用于识别提取图像的特征
CNN:对象是图片,一个二维结构,其主要核心是有一个kernel小窗口,用于图片的平移,然后再利用卷积来提取图片的特征。
RNN:针对一维结构,主要利用各种门操作来使得前后序列影响进而提取特征
GCN:图卷积神经网络,对象是一个图的数据结构,和CNN一样是一种图片的特征提取器,与CNN不同的是他设计了一种精巧的公式方法提取特征,还可以进行节点分类(node classification)、图分类(graph classification)、边预测(link prediction),图的嵌入表示(graph embedding)。
那么GCN的主要内容到底是什么呢?
假设我们手上有一批数据,如果节点的特征矩阵为NM的矩阵,为B,邻接矩阵为NN的矩阵,为A,那么B和A就是输入数据
GCN的输入公式为:
其中
- A波浪线=A+I I为单位矩阵 加上一个单位矩阵是因为在乘以度矩阵的时候对角线会为0 这样的话只有矩阵的邻接矩阵而没有矩阵自身的特征
- D为度矩阵 左右乘以D的-1/2是为了得到一个对称且归一化的矩阵
- w 为神经网络上的权重
- σ是非线性激活函数
GCN神奇的地方在于这个公式的惊奇,GCN是一个经过精心设计神经网络,就算不经过大量的训练也可以进行一些分类。
本文只是个人的一些理解