GNN之常用矩阵汇总

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。
摘要由CSDN通过智能技术生成

最近在看图卷积网络(graph convolutional networks),其中有一些基础知识,比如:

  • g = (\nu , \varepsilon )表示一个图,\nu ,\varepsilon分别表示相应的节点集与边集。u,v\in \nu表示图中的节点,(u,v)\in \varepsilon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),\L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

2.Adjacency matrix

3.Laplacian matix

4.Toeplitz matrix

5.Hankel matix


1.Degree matrix

度矩阵和拓扑

  • 6
    点赞
  • 32
    收藏
    觉得还不错? 一键收藏
  • 1
    评论

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论 1
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值