此博文是对深蓝学院《图卷积神经网络》课程笔记进行整理,简要阐述了谱域图卷积背景知识以及经典的图谱卷积模型。
其中背景知识先摆出结论,之后通过提问题的方式循序渐进引出各种知识点,如图谱卷积定理、傅立叶变换、拉普拉斯矩阵等;经典的图谱卷积模型有SCNN、ChebNet、GCN。
欢迎各位前辈们指出问题,一起交流。
未经授权禁止转载。
一、谱域图卷积定理
即:
- 将空域信号转换到频域,然后相乘。
- 在将相乘的结构再转换到空域。
问题来了:
- 空域信号如何转换到频域?通过图傅立叶正变换
- 频域信号如何转换到空域?通过图傅立叶反变换
二、图傅立叶变换
经典傅立叶反变换的本质:把任意一个函数表示成了若干个正交基函数的线性组合。
经典傅立叶正变换的本质:求线性组合的的系数。具体做法是由原函数和基函数的共轭的内积求得。
类比到图中
图傅立叶反变换:任意的图上信号可以表示为若干个正交基的线性组合。
其中x是原信号