本文主要是介绍GNN/GCN自己学习,希望对大家解决编程问题提供一定的参考价值,需要的开发者们随着小编来一起学习吧!
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
这篇关于GNN/GCN自己学习的文章就介绍到这儿,希望我们推荐的文章对编程师们有所帮助!