一、图 传统的欧几里得空间数据：文本、图像、视频等【LSTM、CNN可训练】 非欧几里得空间数据：图结构（包含对象和关系，如社交网络、电商网络、生物网络和交通网络等）【图卷积等技术可训练】 1、欧几里得空间 也称欧式空间，二维、三维空间的一般化。将距离、长度和角度等概念转化成任意维度 ...

基于收敛的方法 基于收敛的方法目标是学习每个节点的一种状态嵌入\(h_v\)（包括每个节点的邻居节点信息和自身的信息），\(h_v\) 是一个 关于节点 \(v\) 的\(s\) 维的向量特征，用于 ...

胶囊网络（CapsNet） 卷积网络（CNN）的目标识别 卷积神经网络首先学会识别边界和颜色，然后将这些信息用于识别形状和图形等更复杂的实体。比如在人脸识别上，他们学会从眼睛和嘴巴开始识别最终到整个面孔，最后根据脸部形状特征识别出是不是人的脸。 卷积网络对不同人脸的识别 ...

摘要：图神经网络是一种基于图结构的深度学习方法。 1、什么是图神经网络 图神经网络（Graph Neu做ral Networks, GNNs）是一种基于图结构的深度学习方法，从其定义中可以看出图神经网络主要由两部分组成，即“图”和“神经网络”。这里的“图”是图论中的图数据结构，“神经网络 ...

大量的学习任务需要处理包含丰富元素间关系信息的图数据。图神经网络(GNNs)是一种连接主义模型，它通过图节点之间的消息传递来捕获图的依赖性。 与标准的神经网络不同，图神经网络保留了一种状态，可以表示来自其任意深度的邻域的信息。虽然原始的gnn很难训练为定点，但最近在网络架构、优化技术 ...

拜读了Jure Leskovec的《Representation Learning on Networks》才明白图神经网络到底在学什么，是如何学的，不同GNN模型之间的关系是什么。总的来说，不同类型的模型都是在探讨如何利用图的节点信息去生成节点（图）的embedding表示。 图表示学习的两大 ...

目录 图神经网络处理网络特征 图论 图卷积网络GCN 图神经网络的应用 图神经网络处理网络特征 图卷积网络 GCN 图注意力网络 GAN 图自编码器 GA 图生成网络 图 ...

RNN: 循环神经网络（Recurrent Neural Network, RNN）是一类以序列（sequence）数据为输入 在序列的演进方向进行递归（recursion）且所有节点（循环单元）按链式连接的递归神经网络（recursive neural network）。 RNN的结构 ...