图卷积的理解

最新推荐文章于 2024-06-19 21:03:41 发布
最新推荐文章于 2024-06-19 21:03:41 发布
阅读量1.3k 收藏 4
点赞数
分类专栏： 图网络 文章标签： 卷积
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_45312141/article/details/106341438
版权
本文深入探讨了图卷积的概念，从拉普拉斯矩阵的谱分解开始，类比传统傅里叶变换和卷积，解释了为何拉普拉斯矩阵的特征向量作为傅里叶基的原因。进一步讨论了深度学习中的图卷积操作，特别是GCN中的参数共享机制。
摘要由CSDN通过智能技术生成

图卷积的理解

1、拉普拉斯矩阵的谱分解（特征分解）

在这里插入图片描述
在这里插入图片描述

2、如何从传统的傅里叶变换、卷积类比到Graph上的傅里叶变换及卷积？

在这里插入图片描述
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述
推广卷积

在这里插入图片描述
在这里插入图片描述
其实式(2)与式(1)是完全等价的，证明

在这里插入图片描述
f ^ = U T f   . \hat{f} = U^{T}f\,.

最低0.47元/天 解锁文章
怕狗子的福哥
关注
  • 0
    点赞
  • 踩
  • 4
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
专栏目录
分布式图卷积神经网路
07-23
分布式图卷积神经网络是深度学习领域的一...尽管本篇文件的【部分内容】部分出现了由于OCR扫描技术造成的个别文字识别错误，但通过上下文可以理解出其主要含义，从而获取到分布式图卷积神经网络的理论基础和应用场景。
图卷积网络（Graph Convolution Network，GCN）
weixin_44458771的博客
02-16 1万+
在图神经网络出现之前，一般的神经网络只能对常规的欧式数据进行处理，其特点就是节点有固定的排列规则和顺序，如２维网格和１维序列。近几年来，将深度学习应用到处理和图结构数据相关的任务中越来越受到人们的关注。图神经网络的出现使其在上述任务中取得了重大突破，比如在社交网络、自然语言处理、计算机视觉甚至生命科学等领域得到了非常广泛的应用。图神经网络可以把实际问题看作图中节点之间的连接和消息传播问题，对节点之间的依赖关系进行建模，从而能够很好地处理图结构数据。
GCN-图卷积神经网络算法讲解（通俗版）
weixin_50706330的博客
10-24 3万+
GCN-图卷积神经网络算法讲解（通俗版）
图卷积网络（Graph Convolutional Network, GCN）
最新发布
weixin_44012667的博客
06-19 705
GCN编码器的结构可以通过如下递归公式表示：初始状态下，经过 L层图卷积后，得到最终的节点表示。每层的图卷积通过聚合邻居信息、线性变换和非线性激活来更新节点表示。x_i。
简单讲解图卷积网络（Graph Convolutional Layer）附代码
weixin_44517742的博客
01-27 2215
图卷积操作（Graph Convolution Operation）是一种针对图结构数据的特殊卷积操作。在卷积神经网络（CNN）中，卷积操作常在网格数据（如图片）上进行。相比之下，图卷积操作是为了处理不规则的图结构数据而设计的。在图卷积操作中，节点的特征表示是根据邻居节点的特征和自身的特征来更新的。这个过程可以视为在图上的信息传播和聚合操作。具体来说，一个节点的新特征是其邻居节点特征的加权平均，权重通常由节点之间的连接和它们的度（即连接数）决定。给定一个节点 ii，其嵌入hi​hi​​。
图卷积网络(Graph Convolutional Networks, GCN)详细介绍
人工智能曾小健
02-23 2728
Worldora-于 2021-02-17 10:50:40 发布分类专栏：机器学习笔记版权​编辑机器学习笔记专栏收录该内容4 篇文章8 订阅订阅专栏本文翻译自博客。在这篇博文中会为大家详细地介绍目前使用广泛的图神经网络——图卷积网络(Graph Convolutional Networks, GCN)的相关知识。首先将带领大家直觉上感受其工作原理，然后再介绍更深层的数学原理。
图卷积神经网络（GCN）
Sky_小天
10-07 1万+
图卷积神经网络（GCN）的初级认识
xianxingjuanji.rar_C++图像卷积
09-22
本资源"线性卷积"是针对C++编程语言实现的图像卷积功能，适用于学习和理解卷积原理以及如何在实际项目中应用。以下是对这一主题的详细阐述： 一、卷积概念 卷积是数学中的一个概念，常用于信号处理和图像处理。在...
理解图卷积网络的节点分类
08-30
在过去的几年中，正在开发图神经网络的各种变体，其中之一就是图卷积网络（GCN）。GCN也被视为基本的图神经网络变体之一。 在本文中，我们将更深入地研究由Thomas Kipf和Max Welling开发的图卷积网络。我还将在使用...
juanji.zip_图像卷积_模板卷积
09-24
总之，"juanji.zip"文件提供的是一种对彩色图像进行拉普拉斯模板卷积的方法，这对于理解和实践图像处理技术，尤其是边缘检测和特征提取，是非常有价值的。通过学习和应用这个程序，开发者能够深入掌握图像卷积的核心...
图神经网络实战（7）——图卷积网络(Graph Convolutional Network, GCN)详解与实现
盼小辉丶的博客
04-03 5829
图卷积网络 (Graph Convolutional Network, GCN) 架构由 Kipf 和 Welling 于 2017 年提出，其理念是创建一种适用于图的高效卷积神经网络。在本节中，我们将讨论 Vanilla GNN 架构的局限性，并详细介绍 GCN 的工作原理，通过使用 PyTorch Geometric 在 Cora 和 Facebook Page-Page 数据集上实现 GCN 来验证其性能。
图卷积网络 GCN Graph Convolutional Network（谱域GCN）的理解和详细推导
热门推荐
知行合一，止于至善
08-24 16万+
文章目录1. 为什么会出现图卷积神经网络？2. 图卷积网络的两种类型2.1 vertex domain(spatial domain)：顶点域（空间域）2.2 spectral domain：频域方法（谱方法）3. 什么是拉普拉斯矩阵？3.1 常用的几种拉普拉斯矩阵普通形式的拉普拉斯矩阵对称归一化的拉普拉斯矩阵（Symmetric normalized Laplacian）随机游走归一化拉普拉斯矩...
一文读懂图卷积GCN
Oner.wv的专栏
12-30 822
“本文的内容包括图卷积的基础知识以及相关辅助理解的知识点，相信同学们看完后一定能平滑上手理解GCN！”作者：苘郁蓁来源：知乎专栏 郁蓁的机器学习笔记。编辑：happyGirl具体来说，...
【学习笔记】图卷积网络（概述）
weixin_46287760的博客
01-26 2321
本文将首先对图神经网络的常见应用场景进行列举，然后针对图神经网络的原理进行详细阐述。
图卷积理论知识
邹小驴
01-07 2007
https://zhuanlan.zhihu.com/p/67336297（论述 拉普拉斯矩阵和拉普拉斯算子的关系，以及推导公式） https://blog.csdn.net/yyl424525/article/details/100058264（超全，这个评论中提及到如何将欧式空间的图像转换成图结构，将某一个像素设置为中心节点，距离中心像素值比较近的临界像素设置为邻接节点） https://...
【深度学习】最强算法之：图卷积网络（GCN）
商务合作 | 面试培训 | 职场规划 ==>主页扫码
04-11 2125
掌握了GNN， 就不得不掌握GCN
卷积神经网络在图像理解领域的研究进展与应用
图像理解中的卷积神经网络 卷积神经网络（Convolutional Neural Networks, CNN）是一种深度学习算法，在图像理解领域取得了突破性的成果。本文将对卷积神经网络在图像理解中的研究进展和典型应用进行综述。 1. ...
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
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