![](https://img-blog.csdnimg.cn/20201014180756928.png?x-oss-process=image/resize,m_fixed,h_64,w_64)
图神经网络
文章平均质量分 94
酷酷的群
软件工程在读
展开
-
图神经网络中的谱图理论基础
一、图的拉普拉斯矩阵拉普拉斯算子拉普拉斯算子(Laplace Operator)是为欧几里德空间中的一个二阶微分算子,定义为梯度的散度,可以写作Δ,∇2,∇⋅∇\Delta ,\nabla ^{2},\nabla \cdot \nablaΔ,∇2,∇⋅∇这几种形式。如果函数fff是二阶可微的实函数,则fff的拉普拉斯算子可以写作:Δf=∇2f=∇⋅∇f\Delta f=\nabla ^{2}f=\nabla \cdot \nabla fΔf=∇2f=∇⋅∇f这里简单介绍一下散度的概念:散度(原创 2021-04-29 10:42:14 · 496 阅读 · 0 评论 -
傅里叶级数与傅里叶变换
本文有关三角函数的描述很多,忘记高中知识的可以从这个链接复习下各个概念:振幅、周期、相移和频率。一、从简单变换到傅里叶级数如下图所示,在笛卡尔坐标系中,由于我们定义了一组基ex=(1,0),ey=(0,1)e_x=(1,0),e_y=(0,1)ex=(1,0),ey=(0,1),因此坐标系中的所有点才能够被一个坐标唯一地表示:这样的好处是有了坐标以后,点与点之间就不再是相互孤立的存在,也就有了距离的关系。这个过程就是一种变换,即把坐标变换到坐标系中。这种简单的变换是将空间中的点使用一组基来表示原创 2021-04-22 16:16:26 · 1349 阅读 · 0 评论