原标题:【投稿】图卷积网络(GCN)的原理及其在GIS中的应用潜力丨城市数据派
【投稿吗? 有稿费的那种!】(点击看详情) ,是由城市数据派主办的征稿活动,我们希望能够提供更新鲜、更好玩、更有价值的内容,因此决定为派友们开放平台,提供交流和展示才能的机会。小派在此恭候派友们投稿分享!
【本期看点】本文对图状神经网络(GCN)的概念、原理和应用进行了介绍。从GCN的基本概念出发,利用完整的公式对GCN的计算原理进行讲解,配详细的向读者阐述了GCN的作用机制。在文章最后,以近几年计算机顶会中GCN在GIS的应用表明其在GIS研究中的潜力。
本期投稿作者
羊剑楠
香港城市大学数据科学博士在读
南京大学地理信息科学本科毕业
文章内容
现实世界中,很多的数据都以网络的形式表现:商业推荐系统中用户购买商品的信息就可以作为一个交互网络;微博用户之间的点赞转发等行为可以表示为一个社交网络;道路上各个结点和其连接路线可以自然的构建出道路网络。如今火热的机器学习算法中,图卷积网络(GCN)将各种网络以图的形式,利用卷积神经网络(CNN)的思想进行处理。GCN的处理能力非常强大,下图展示了一个社交网络,每个颜色代表着不同的人群,在只给定每类人群只有一个标记样本的情况下,一个简单的3层半监督GCN可以在训练后可以将他们完美的区分开。
原始网络(源自网络,见参考4)
半监督GCN网络的分类过程(源自网络,见参考4)
本文将以浅显易懂的语言介绍GCN是什么,并且利用少而简单的代码带着大家进行实现,并在最后给出GCN在GIS(地理信息科学)中的具体应用。
GCN是什么?有什么用?
图卷积网络,也是一种神经网络,但是不同之处在于这种神经网络对于图这一复杂的数据类型,可以很好的提取出结构信息。结构信息在GIS中非常重要,地理信息的分析基础就在于考虑地理空间的临近性表现出的独特性质。
二维卷积(左)和图状卷积(右)对比(源自参考5)