HyperGCN: 超图神经网络

基于超图的半监督学习

超图上的卷积:
在这里插入图片描述
超图上的拉普拉斯:
在这里插入图片描述
对于每一条超边 e e e,可以弹出一对顶点

( i e , j e ) = a r g m a x i , j ∈ e ∣ S i − S j ∣ (i_{e},j_{e})=argmax_{i,j\in e}|S_{i}-S_{j}| (ie,je)=argmaxi,jeSiSj
然后正则化Laplacian计算为:
L = ( I − D − 1 2 A S D − 1 2 ) S \mathbb{L}=(I-D^{-\frac{1}{2}}A_{S}D^{-\frac{1}{2}})S L=(ID21ASD21)S.

交叉熵损失函数:
在这里插入图片描述

在这里插入图片描述

  • 1
    点赞
  • 13
    收藏
    觉得还不错? 一键收藏
  • 0
    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
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