一GCN的基础知识 01

1 graph 和image 区别

graph是由点和边构成，可以代表任何事物之间的关系

image只是表达式欧氏空间力的事物关系

可以将像素设为节点，相邻像素连接右边，将image转化为graph

iamg是graph的特例

2 图神经网络

专门用来处理图数据的神经网络架构

 给每个节点的特征H和图的临界矩阵A

通过将这两个输入进行图上的映射，可以得到图上节点的下一层特征H

所有的GNN都在涉及这个函数f

3 GCN

 

只考虑了无向图

A = 图的临界矩阵+一个单位矩阵

D = 只有对角线上由非0元素，每个点数值为对应节点的度 +一个单位矩阵

α：非线性激活函数

θ：待训练的参数

 

上述节点的D矩阵

   GCN就是对图的邻接矩阵加了自环，做了一个对称归一化。用得到的矩阵，对输入特征进行聚合。每个节点都聚合了自己和周边邻居的feature信息。