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
AI小云2 天前
【机器学习与实战】回归分析与预测:线性回归-03-损失函数与梯度下降
机器学习
2303_Alpha2 天前
SpringBoot
笔记·学习
萘柰奈2 天前
Unity学习----【进阶】TextMeshPro学习(三)--进阶知识点(TMP基础设置,材质球相关,两个辅助工具类)
学习·unity
沐矢羽2 天前
Tomcat PUT方法任意写文件漏洞学习
学习·tomcat
好奇龙猫2 天前
日语学习-日语知识点小记-进阶-JLPT-N1阶段蓝宝书,共120语法(10):91-100语法+考え方13
学习
向阳花开_miemie2 天前
Android音频学习(十八)——混音流程
学习·音视频
工大一只猿2 天前
51单片机学习
嵌入式硬件·学习·51单片机
L.fountain2 天前
机器学习shap分析案例
人工智能·机器学习
weixin_429630262 天前
机器学习-第一章
人工智能·机器学习
Cedric11132 天前
机器学习中的距离总结
人工智能·机器学习