本文介绍了图卷积网络中的重要矩阵，包括度矩阵、邻接矩阵、拉普拉斯矩阵，以及两种特殊矩阵——Toeplitz和Hankel矩阵。度矩阵描述了节点的连接数量，邻接矩阵表示节点间的连接情况，拉普拉斯矩阵是度矩阵与邻接矩阵的差或比例形式。Toeplitz和Hankel矩阵具有特定的结构，在某些图表示中发挥作用。
最近在看图卷积网络(graph convolutional networks)，其中有一些基础知识，比如：
表示一个图，
分别表示相应的节点集与边集。
表示图中的节点，
表示图中的边。
- A表示图中的邻接矩阵(adjacency matrix)。
- D表示图中的度矩阵(degree matrix)。
- L表示图中的拉普拉斯矩阵(Laplacian matrix)，
表示图的归一化拉普拉斯矩阵。
会有许多不同的矩阵，这里列出一些常用的矩阵形式。
目录
1.Degree matrix
度矩阵和拓扑
最低0.47元/天 解锁文章
1万+
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
