都说 图神经网络是 基于 非欧空间 数据的 学习,那什么是 非欧空间呢?答案:欧式空间可以理解为一个排列组合完整的方阵,非欧式空间理解为解散了的方阵。
在过去的十年中,神经网络取得了巨大的成功。
但是,只能使用常规或欧几里得数据来实现神经网络的早期变体,而现实世界中的许多数据具有非欧几里得的底层图形结构。(一类就是图,另一类叫流型,统称为非欧几里得结构。)
数据结构的不规则性导致了图神经网络的最新发展。(为什么普通CNN无法处理图结构化数据) https://www.zhihu.com/question/54504471/answer/1128245420
在过去的几年中,正在开发图神经网络的不同变体,其中图卷积网络(GCN)是其中之一。GCN也被视为基本的Graph Neural Networks变体之一。
引用下面这篇文章。
为了使卷积核的形状是数据驱动的,也就是说对不同的数据可以自适应的产生专门的卷积核,去做一个局部的聚合操作,于是就有了可变性卷积。
如上图所示,传统的卷积是在一个规则的格子上做一个局部的聚合,而可变性卷积相当于在一个不规则的格子上做一个聚合,其中箭头表示格子的一个偏移量,这个偏移量是通过数据驱动学习的。
3.回顾