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。