GNN笔记系列 1

Convolutions in time, space, and graphs

time——1D有向线图

space——2D网络

graph 节点和边
卷积运算，可以通过构建多项式、与邻接矩阵相乘实现：

扩展一下，图卷积滤波也可以通过以上形式实现。

Neural Networks(NNs)

传统神经网络的缺点是：不能很好的对输入信号的维数进行扩展。

Convolutional Neural Networks(CNNs)

卷积神经网络，每一层使用的线性映射为卷积滤波器。可以很好的对输入信号x的维数进行缩放。但是它不是一个通用的体系结构。

when we think of time signals as supported on a line graph:

Graph Neural Networks(GNNs)

图神经网络是一种通用的体系结构。一个图神经网络就是一个不同图的卷积神经网络。图神经网络将每层的线性映射限制为图卷积滤波，并且添加了非线性层等。