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
IT古董4 小时前
【第二章:机器学习与神经网络概述】03.类算法理论与实践-(3)决策树分类器
神经网络·算法·机器学习
sealaugh327 小时前
aws(学习笔记第四十八课) appsync-graphql-dynamodb
笔记·学习·aws
水木兰亭7 小时前
数据结构之——树及树的存储
数据结构·c++·学习·算法
鱼摆摆拜拜7 小时前
第 3 章:神经网络如何学习
人工智能·神经网络·学习
aha-凯心8 小时前
vben 之 axios 封装
前端·javascript·学习
学技术的大胜嗷8 小时前
离线迁移 Conda 环境到 Windows 服务器:用 conda-pack 摆脱硬路径限制
人工智能·深度学习·yolo·目标检测·机器学习
还有糕手8 小时前
西南交通大学【机器学习实验10】
人工智能·机器学习
ytttr87311 小时前
matlab通过Q学习算法解决房间路径规划问题
学习·算法·matlab
想知道哇12 小时前
机器学习入门:决策树的欠拟合与过拟合
人工智能·机器学习
go546315846512 小时前
修改Spatial-MLLM项目,使其专注于无人机航拍视频的空间理解
人工智能·算法·机器学习·架构·音视频·无人机