提示:文章写完后,目录可以自动生成,如何生成可参考右边的帮助文档
前言
李沐精读GNN论文“A Gentle Introduction to Graph Neural Networks”,读后摘要。
一、内容摘要
图三大层面的问题:
1、图级别
2、节点级别
3、边级别
图的节点、边、全局信息、连接性四种类型的信息来做预测。
GNN:对图上所有属性(图的节点、边、全局信息)进行的一个可以优化的变换,这个变换可以保证图的对称信息。
message passing neural network 是一种GNNs框架,当然GNN也可以用别的方式构建。
GNN的输入和输出都是图,它会对节点、边的信息进行变换,但图连接性是不变的。
稀疏矩阵:
矩阵中,数值为0的元素数目远远多于非0元素的数目,并且非0元素分布没有规律时,则称该矩阵为稀疏矩阵,否则为稠密矩阵。其存储格式:COO(Coordinate Format,每个元素用一个三元组表示)、CSR(Compressed Sparese Row)。
MLP?
神经网络的变种目前有很多,如误差反向传播(Back Propagation,BP)神经网路、概率神经网络、卷积神经网络(Convo