GNN/GCN自己学习

一、图的基本组成

V:点(特征)

E:边

U:图(全局特征)

二、用途

整合特征(embedding),做重构

三、邻接矩阵

以图像为例,每个像素点周围都有邻居,用邻接矩阵表示哪些点之间有关系,邻接矩阵A是对称的,也可以不对称

文本也可以做邻接矩阵:

实际是2xN, (source , target),要不然维护一个NxN太多了

四、使用场景

输入的格式不需要固定,是随意的,没有CV NLP的resize等固定大小之说。比如说人的社交网络,随时会变

点边图

五、每个点特征更新(聚合 更新)

更新时肯定要考虑他们的邻居

GCN图卷积

一、

优势:可以做半监督学习

二、基本思想

计算特征,之后传入神经网络

图中基本组成:

邻接矩阵

特征计算方法:

使用度矩阵来做个平均

你的度和我的度都要考虑进来

基本公式

相关推荐
瑞克-桑切斯8 小时前
Kubernetes 1.28 保姆级新手学习教程
运维·学习·docker·云原生·容器·kubernetes
Be for thing8 小时前
Pytorch【12】transforms进阶|图像数据增强实战,提升模型泛化能力
人工智能·pytorch·机器学习
武子康9 小时前
AI通关了,游戏就算通过测试了吗?
人工智能·游戏·机器学习
kaixin_啊啊10 小时前
【三种鲑科鱼类比较基因组学分析鉴定出参与细胞内寄生菌鲑立克次体抗性的功能候选基因】论文学习
学习
CappuccinoRose13 小时前
Redis 学习文档
redis·后端·学习·缓存·session·非关系型数据库·gossip
linweidong14 小时前
RTX 4090 Ubuntu + ComfyUI + comfy-kitchen 0.2.41 完整部署文档
机器学习·云原生·conda·pandas·scikit-learn
qingwufeiyang_53014 小时前
Docker学习笔记2
笔记·学习
咕泡科技14 小时前
关于机器学习,如何通俗理解全连接层(fully connected layer)?
人工智能·深度学习·机器学习
龙腾AI白云14 小时前
具身智能模仿学习与人类示教:从观察中习得动作
数据库·机器学习·知识图谱·pygame
电科_银尘14 小时前
【大模型算法与工程 01】机器学习的问题定义:监督、无监督、自监督与强化学习
人工智能·算法·机器学习