GCN论文

Linkage Based Face Clustering via Graph Convolution Network（CVPR1903 图卷积网络GCN无监督人脸聚类）

https://arxiv.org/pdf/1903.11306.pdf

解读：CVPR1903_图卷积网络GCN无监督人脸聚类

code：https://github.com/Zhongdao/gcn_clustering/

Distance Metric Learning using GraphConvolutional Networks: Application to Functional Brain Networks 2017

贡献：　　

　　将siamese graph convolutional neural network应用于不规则graph，并使用了polynomial filters，应用了全局，loss function， 能够学习更好的关于图的潜在表达

总结：

　　提出了一种新的度量学习方法评估graph之间的距离，同时借助谱图理论将此方法应用在不规则graph上。在Abide数据集上的实验结果表明，我们的方法可以学习针对临床应用量身定制的graph的相似性度量，与传统的距离度量相比，简单分类器的性能提高了11.9％。据我们所知，这个GCN在度量学习上的首次应用。

论文： https://arxiv.org/abs/1703.02161

code：  https://github.com/sk1712/gcn_metric_learning

Metric learning with spectral graph convolutions on brain connectivity networks   2018

作者团队的联系方式。这个网址有：https://www.sciencedirect.com/science/article/pii/S1053811917310765#!

文章链接：file:///E:/liran/GCN文献资料/Metric%20learning%20with%20spectral%20graph%20convolutions%20on%20brain%20connectivity%20networks.pdf

 

转载于:https://www.cnblogs.com/ranup/p/10943297.html