深入浅出GCN------Graph Convolutional Network

最新推荐文章于 2021-12-25 14:35:50 发布
最新推荐文章于 2021-12-25 14:35:50 发布
阅读量269 收藏 3
点赞数 4
分类专栏： 深度学习模型 文章标签： 机器学习 算法 知识图谱
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/xiao_muyu/article/details/121768767
版权

深入浅出GCN------Graph Convolutional Network

文章目录

1 什么是GCN？

类似于社交网络、信息网络这样的图论中抽象意义的拓扑图。
在这里插入图片描述

2 提取拓扑图空间特征的两种方式？

  • vertex domain(spatial domain)是非常直观的一种方式。顾名思义：提取拓扑图上的空间特征，那么就把每个顶点相邻的neighbors找出来。

    思考两个问题？？

    a 如何去找中心节点的邻居？

    b 按照什么方式处理包含不同数目neighbors的特征？
    在这里插入图片描述
    ​ 推荐论文：Learning Convolutional Neural Networks for Graphs (mlr.press)

  • spectral domain：这种思路就是希望借助图谱的理论来实现拓扑图上的卷积操作。

    要点来啦！！！&

最低0.47元/天 解锁文章
努力AC的潇潇
关注
专栏目录
GCN的通俗理解
Pioo_的博客
01-03 3180
图卷积网络Graph Convolutional Nueral Network，简称GCN。其实是GNN的一个变种，可以说是GNN的一种特殊形式。 上回我们介绍GNN时，提到了GNN的流程： 1、聚合 2、更新 3、循环
阅读：IA-GCN: Interactive Graph Convolutional Network forRecommendation
qq_43532928的博客
06-24 1136
摘要：近年来，图卷积网络(GCN)已成为一种新型的基于协同过滤(CF)的推荐系统(RS)的新技术。通过在用户-项目二部图上进行嵌入传播来学习信息丰富的用户和项目表示方式，然后根据这些表示方式为用户提供个性化的项目建议。尽管现有算法有效，但在嵌入过程中忽略了用户-项目对之间宝贵的交互特征。当预测用户对不同项目的偏好时，他们仍然以相同的方式聚合用户树，而不强调用户社区中的目标相关信息。这种统一的聚合方案很容易导致用户和项目表示的次优，在一定程度上限制了模型的表达性。在这项工作中，我们通过在每个用户-项对之间建立
GCN理解
cyz0202的博客
03-23 317
主要内容参考自该知乎高赞回答 @superbrother，加入个人理解，侵删； 本文介绍GCN原理，不是科普入门，需要熟悉矩阵、高数、深度学习； 对矩阵分解不熟悉的请先看最后的补充知识部分（注意不是从头讲解） 背景介绍 为什么研究GCN 主要是有不规则图需要处理的场景，如社交网络等； 处理拓扑图空间特征的两种方式 具体分析 1）图卷积理论 图 拉普拉斯矩阵 为什么使用L（拉普拉斯）矩阵 L矩阵的谱分解：GCN的核心基于拉普拉斯矩阵的谱分解 如[何从传统的傅里叶变换、卷积类比到.
GCN深入浅出
qq_24548569的博客
05-01 512
如何理解 Graph Convolutional Network（GCN）？我主要参考知乎上这个回答。这个回答从热传播模型开始说起，介绍了图卷积网络和热传播模型的关系，说明了图卷积网络方法的一般思路。本博客重述了该回答的主要内容。 图卷积网络的本质“图中的每个结点无时无刻不因为邻居和更远的点的影响而在改变着自己的状态直到最终的平衡，关系越亲近的邻居影响越大。”结点状态的改变与GCN使用的Lapla...
【ICLR 2017图神经网络论文解读】Semi-Supervised Classification with Graph Convolutional Networks (GCN) 图卷积网络
捡起一束光的博客
12-25 1129
GCN是图神经网络领域最经典的论文，值得我们好好阅读！
GCN总结
小红花yu
05-19 942
<h1 id="auto-id-0">一、GCN简介</h1> GNN模型主要研究图节点的表示（Graph Embedding），图边结构预测任务和图的分类问题，后两个任务也是基于Graph Embedding展开的。目前论文重点研究网络的可扩展性、动态性、加深网络。   谱卷积有理论支持，但有时候会受到拉普拉斯算子的限制；而空间域卷积更加灵活，主要困难在于选择定量邻域上，没有统一理论。 未来方向： 加深网络: 研究表明随着网络层数增加，模型性能急剧下降 感受野:.
GCN—图卷积神经网络理解
红叶谷 wsp_1138886114的博客
09-11 1万+
文章目录一、CNN卷积二、GCN 图卷积神经网络2.1 GCN优点2.3 提取拓扑图空间特征的两种方式三、拉普拉斯矩阵3.1 拉普拉斯矩阵的谱分解（特征分解）3.2 如何从传统的傅里叶变换、卷积类比到Graph上的傅里叶变换及卷积？ 一、CNN卷积 离散卷积：离散卷积本质就是一种加权求和。就是传统的CNN。 CNN 中的卷积本质上就是利用一个共享参数的过滤器（kernel），通过计算中心像素点以及...
STGCN-PyTorch-master.zip_STGCN 代码分析_STGCN pytorch_stgcn_stgcn d
07-15
STGCN（Spatial-Temporal Graph Convolutional Network）是一种深度学习模型，主要应用于时序数据，特别是人体动作识别领域。这个"STGCN-PyTorch-master.zip"压缩包包含了一个基于PyTorch实现的STGCN源码，是IJCAI ...
【点云系列】view-GCN: view-based Graph Convolutional Network for 3D Shape Analysis
weixin_43882112的博客
09-10 2117
文章目录题目Motivation 题目 论文题目：view-GCN: view-based Graph Convolutional Network for 3D Shape Analysis 论文： 代码； Motivation 不同视角下看不同物体可能是不同的。
2019-PR-Learning graph structure via graph convolutional network
08-04
"Graph Convolutional Network学习图结构" 图 convolutional neural networks (GCN) 近年来引起了越来越多的关注，因为它们能够处理定义在 irregular 或非欧几里德域上的图结构数据。与定义在regular grids 上的...
深度学习：GCN（图卷积神经网络）理论学习总结
zhe470719的博客
10-26 2万+
目录来源作用原理解释核心图的概念学习新特征目标提出步骤图卷积分类特点常见问题参考 来源 解决：发现了很多CNN、RNN无法解决或者效果不好的问题——图结构的数据 具体： 对CNN： 核心在于kernel，kernel是一个个小窗口，在图片上平移，通过卷积的方式来提取特征。这里的关键在于图片结构上的平移不变性：一个小窗口无论移动到图片的哪一个位置，其内部的结构都是一模一样的，因此CNN可以实现参数共享 对RNN： 对象是自然语言这样的序列信息，是一个一维的结构，通过各种门的操作，使得序列前后的信息
深入理解图卷积神经网络(GCN)原理
fs1341825137的博客
11-19 2万+
深入理解图卷积神经网络(GCN)原理 文章目录深入理解图卷积神经网络(GCN)原理前言一、为什么需要GCN二、GCN的原理1.图的定义2.GCN来了2.1 矩阵计算公式2.2 以小规模矩阵讲解公式含义2.3 综上所述：三、GCN有多牛总结 前言 深度学习的发展日新月异，从经典的深度网络（DNN、CNN、RNN）到GAN、强化学习。深度学习覆盖的应用场景越来越丰富。今天介绍的图神经网络是另一类深度学习方法。虽然，图神经网络也可以纳入深度学习的范畴，但它有着自己独特的应用场景和算法实现，对初学者并不算太友好
图卷积网络GCN的理解与介绍
idol24的博客
04-12 5282
点击上方“机器学习与生成对抗网络”，关注"星标"获取有趣、好玩的前沿干货！今天分享一篇很火的GCN！！！出自于班上同学Nango之手！https://zhuanlan.z...
图卷积神经网络（GCN)
爱吃糖的小熊的博客
09-27 1万+
图卷积神经网络 GCN是什么
深度学习之GCN的简单理解
zlinxi
07-11 9572
一、概述 GCN是一类非常强大的用于图书局的神经网络架构，下图展示了一个两层 GCN 生成的每个节点的二维表征，即使没有经过任何训练，这些二维表征也能够保存图中节点的相对邻近性。对于CNN中的卷积，本质上是利用一个共享参数的过滤器，计算中心像素点以及相邻像素点的加权和来构成特征图实现空间特征的提取，卷积核的参数通过优化求出才能实现特征提取的作用，而GCN的理论很大一部分就是为了引入可以优化的卷积...
图卷积网络（Graph Convolutional Network）
lijunweiyhn的博客
02-25 2万+
转载+整理：https://blog.csdn.net/qq_41727666/article/details/84622965 序 — 图简介，图卷积网络的出现。 图（graph）是一种数据格式，它可以用于表示社交网络、通信网络、蛋白分子网络等，图中的节点表示网络中的个体，连边表示个体之间的连接关系。许多机器学习任务例如社团发现、链路预测等都需要用到图结构数据，因此图卷积神经网络的出现为这些...
图卷积网络 GCN Graph Convolutional Network（谱域GCN）的理解和详细推导
热门推荐
知行合一，止于至善
08-24 16万+
文章目录1. 为什么会出现图卷积神经网络？2. 图卷积网络的两种类型2.1 vertex domain(spatial domain)：顶点域（空间域）2.2 spectral domain：频域方法（谱方法）3. 什么是拉普拉斯矩阵？3.1 常用的几种拉普拉斯矩阵普通形式的拉普拉斯矩阵对称归一化的拉普拉斯矩阵（Symmetric normalized Laplacian）随机游走归一化拉普拉斯矩...
从CNN到GCN的联系与区别——GCN从入门到精（fang）通（qi）
weixin_40013463的博客
07-17 9万+
博客刷不出来图的，去知乎地址吧，没图不好懂的。https://www.zhihu.com/question/54504471/answer/332657604 1 什么是离散卷积？CNN中卷积发挥什么作用？ 了解GCN之前必须对离散卷积（或者说CNN中的卷积）有一个明确的认识： 如何通俗易懂地解释卷积？这个链接的内容已经讲得很清楚了，离散卷积本质就是一种加权求和。 如图1所示，CNN中的卷...
ST-GCN：深度学习框架解决交通流量预测
Spatio-temporal Graph Convolutional Neural Network (ST-GCN) 是一种深度学习框架，特别设计用于交通流量预测。论文由Bing Yu等人提出，他们隶属于北京大学的数学科学学院、高等交叉学科研究院、数据科学中心以及...
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
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
实付元
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