​ 图神经网络 (GNN) 是一系列神经网络，可以自然地对图结构数据进行操作。与孤立地考虑单个实体的模型相比，通过从底层图中提取和利用特征，GNN 可以对这些交互中的实体做出更明智的预测。 GNN 并不是唯一可用于对图结构化数据进行建模的工具：图内核和随机游走方法层级是一些最流行的工具。然而，今天 ...

转自：https://www.zhihu.com/question/22298352 从数学上讲，卷积就是一种运算。 某种运算，能被定义出来，至少有以下特征： 首先是抽象的、符号化的 其次，在生活、科研中，有着广泛的作用 比如加法： ，是抽象的，本身只是一个数学符号 ...

【转】GCN入门 转自：阿泽：【GNN】万字长文带你入门 GCN 这篇文章很好的介绍了： 时域、空域、频域；频域的优势 傅立叶级数、连续傅立叶变换；傅立叶变换应用 拉普拉斯算子、图拉普阿斯矩阵、拉普拉斯谱分解 图上傅立叶变换 图卷积 初代GCN 本博客 ...

首先理解一些以下： 二分类：每一张图像输出一个类别信息 多类别分类：每一张图像输出一个类别信息 多输出分类：每一张图像输出固定个类别的信息 多标签分类：每一张图像输出类别的个数不固定，如下图所示： 多标签分类的一个重要特点就是标签是具有关联的，比如在含有sky（天空） 的图像中，极有 ...

以下内容来自 https://zhuanlan.zhihu.com/p/37091549 为什么有图卷积神经网络（引言，可跳过） 自2012年以来，深度学习在计算机视觉以及自然语言处理两个领域取得了巨大的成功。和传统方法相比，它好在哪里呢？ 假设有一张图，要做分类，传统方法需要手动提取 ...

1. 为什么会出现图卷积神经网络？ 普通卷积神经网络研究的对象是具备Euclidean domains的数据，Euclidean domains data数据最显著的特征是他们具有规则的空间结构，如图片是规则的正方形，语音是规则的一维序列等，这些特征都可以用一维或二维的矩阵来表示，卷积神经网络 ...

图卷积网络 GCN Graph Convolutional Network（谱域GCN）的理解和详细推导 置顶 2019年08月24日 22:39:58 yyl424525 阅读数 1218更多 分类专栏： 深度 ...

目录 1. 为什么会出现图卷积神经网络？ 2. 图卷积网络的两种理解方式 2.1 vertex domain(spatial domain)：顶点域（空间域） 2.2 spectral domain：频域方法（谱方法） 3. ...