GNN-2008：Original GNN【消息传递（前向传播）：聚合函数+更新函数+输出函数】【核心：不动点理论】【梯度优化：用Almeida-Pineda算法，而不是用BPTT(反向传播)算法】 《原始论文：A new model for learning in graph domains-2005》 《原始论文：The Graph Neural Network Model-2008》 一

偶然间看到的一个不动点原理，觉得很有意思。于是乎……记录玩玩。 取一个浅盒和一张纸，纸恰好盖住盒内的底面。可想而知此时纸上的每个点与正在它下面的盒底上的那些点配成对。把这张纸拿起来，随机地揉成一个小球，再把小球扔进盒里。拓扑学家已经证明，不管小球是怎样揉成的，也不管它落在盒底的什么地方，在揉成小球的纸上至少有一个这样的点，它恰好处在它盒底原来配对点的正上方。通过具体找到这个点，就能说明

不动点迭代法求函数根（非线性方程求解） 【问题描述】在[a,b]区间内寻找方程x**5-2*x-1=0的根的初始近似值位置，确定不动点迭代的初始点（可能有多个），然后使用不动点迭代法求方程的根（可能有多个根）。前后两次迭代的差的绝对值小于delta后停止迭代。 【输入形式】在屏幕上输入3个数，依次为区间左端点值a、右端点值b和所求根的精度值。各数间都以一个空格分隔。根据输入的所求根的精度值可求

图神经网络简史、简介 1.图神经网络简史2.图神经网络--学习过程3.图神经网络--理论基础4.图神经网络的局限5.GNN,RNN,GGNN6.小结 阅读笔记：从图(Graph)到图卷积(Graph Convolution)：漫谈图神经网络模型 (一)(https://www.cnblogs.com/SivilTaram/p/graph_neural_network_1.html)

前言       强化学习的目的是寻找最优策略。其中涉及两个核心概念最优状态值和最优策略，以及贝尔曼最优公式。而贝尔曼最优公式用不动点原理求解地址，由Banach不动点定理可以知道，强化学习一定存在唯一的解（策略）  ,并且可以通过迭代求得。 1.贝尔曼方程       贝尔曼方程在强化学习（RL）中无处不在，由美国应用数学家理查德·贝尔曼（Richard Bellman）提

二分法、试位法、不动点迭代法、牛顿法、割线法 问题回顾问题分析1.二分法2.试位法3.不动点迭代4.Newton-Raphson法5.割线法小结 问题回顾 一段质量均匀分布的电缆线悬挂在两点之间，构成一段悬链，其满足如下微分方程： 问题分析 1.二分法 首先确定有根区间，将区间二等分，通过判断f(x)的符号，逐步将有根区间缩小，直至有根区间足够地小，便可求出满足精