admin 管理员组

文章数量: 1184232

摘要

 

1  引言

在这项调查中，我们提供了数据挖掘和机器学习领域中图神经网络（GNN）的全面概述。我们提出了一种新的分类法，将最新的图神经网络分为四类，即递归图神经网络，卷积图神经网络，图自动编码器和时空图神经网络。

我们将进一步讨论图神经网络在各个领域的应用，并总结现有算法在不同学习任务上的开源代码和基准.

2   

 

4  

 

5  图卷积网络

 

  1. 理解卷积
  2. 理解传统卷积（在标准对其矩阵的卷积过程）
  3. 理解图卷积（在图上卷积），包括空间和谱方法。 

       3.1   空间方法（提取拓扑图上的空间特征，那么就把每个顶点相邻的neighbors找出来。）

               

               有通用框架和基于聚合函数两种方法

                对于通用框架，是通过定义映射函数将每个节点局部结构变成一维向量。那图自然就变成一个矩阵了。

 

 

 

           

 

 

 

 

3.2   谱方法

1   傅里叶变换

2 卷积定理

3 拉普拉斯算子

4  在图上定义二阶导数

5 其中4的目的是为了找到可以让图上傅里叶变换的基，因为拉普拉斯矩阵的n个特征向量刚好可以作为基进行1.

6 就可以定义图上的傅里叶变换

7 但是需要定义filter函数，我们可以定义为拉普拉斯矩阵的函数为这个。

8  这样就可以完成图卷积了。

 

 

 

本文标签： Survey Comprehensive Graph Networks Neural

版权声明：本文标题：2019A Comprehensive Survey on Graph Neural Networks被700 内容由网友自发贡献，该文观点仅代表作者本人， 转载请联系作者并注明出处：http://roclinux.cn/b/1758720175a3089646.html， 本站仅提供信息存储空间服务，不拥有所有权，不承担相关法律责任。如发现本站有涉嫌抄袭侵权/违法违规的内容，一经查实，本站将立刻删除。