1.GCN(Graph Convolutional Network)

原创 已于 2023-03-16 17:55:23 修改 · 168 阅读 · 0 ·
CC 4.0 BY-SA版权
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
文章标签：

#算法

于 2023-03-16 17:51:53 首次发布
文章探讨了如何将非欧几里得空间的数据结构转化为图的表示，并在卷积神经网络(CNN)中使用。通过邻接矩阵A和度矩阵D，结合特征向量H，以及权重W和偏置b，文章介绍了图卷积网络(GCN)的衰减传播公式，该公式用于归一化点之间的强度关系，并在传播过程中考虑了每个点的局部信息。GCN在前向传播中捕获了节点的多阶邻居信息，通过衰减防止了强连接节点对其他节点属性的过度影响。

将非欧几得里空间得数据结构转化成图的表示，这些图得表示相当于CNN中Y = XW+ b 中的各层X，所得的向前传播公式为：

A为有连接强度的邻接矩阵，D为顶点的度矩阵，H为对应顶点的特征向量

A~为有连接强度的加入本点信息的邻接矩阵，D~为加入本点信息的度

W是权重，b是偏置，σ（sigma）是激活函数

衰减的传播公式为 \widetilde{D}^{-\frac{1}{2}}\widetilde{A}\widetilde{D}^{-\frac{1}{2}}H，衰减的目的是防止社牛临点过于影响社恐本点的属性。

D^{-1}A是为了把点与点之间的强度关系归一化，再与H临点相乘，取得本点的新特征，上述曲线是加入了本点特征，两个D~-1/2 是做衰减临点特征用的。

往前传递的新的点包含的信息有衰减的连接点的连接强度*连接点特征信息和本点原比重的信息，往前传递n阶该点就会包含n阶邻居的信息。

主要参考以下作者：

https://blog.youkuaiyun.com/weixin_42037511/article/details/126271782?ops_request_misc=%257B%2522request%255Fid%2522%253A%2522167894998616800182716271%2522%252C%2522scm%2522%253A%252220140713.130102334..%2522%257D&request_id=167894998616800182716271&biz_id=0&utm_medium=distribute.pc_search_result.none-task-blog-2~all~sobaiduend~default-1-126271782-null-null.142^v73^insert_down2,201^v4^add_ask,239^v2^insert_chatgpt&utm_term=cnn%E5%92%8Cgcn&spm=1018.2226.3001.4187

图神经网络实战（7）——图卷积网络(Graph Convolutional Network, GCN)详解与实现
盼小辉丶的博客
04-03 2万+
图卷积网络 (Graph Convolutional Network, GCN) 架构由 Kipf 和 Welling 于 2017 年提出，其理念是创建一种适用于图的高效卷积神经网络。在本节中，我们将讨论 Vanilla GNN 架构的局限性，并详细介绍 GCN 的工作原理，通过使用 PyTorch Geometric 在 Cora 和 Facebook Page-Page 数据集上实现 GCN 来验证其性能。
图卷积网络 GCN Graph Convolutional Network（谱域GCN）的理解和详细推导
知行合一，止于至善
08-24 17万+
文章目录1. 为什么会出现图卷积神经网络？2. 图卷积网络的两种类型2.1 vertex domain(spatial domain)：顶点域（空间域）2.2 spectral domain：频域方法（谱方法）3. 什么是拉普拉斯矩阵？3.1 常用的几种拉普拉斯矩阵普通形式的拉普拉斯矩阵对称归一化的拉普拉斯矩阵（Symmetric normalized Laplacian）随机游走归一化拉普拉斯矩...
GNN Algorithms(2): GCN, Graph Convolutional Network
天狼啸月1990的博客
12-19 1071
Essence: 传统的卷积运算无法在graph上进行运算，所有借由傅里叶变换Fourier Transformation实现在graph上的卷积运算，得到graph convolution，退出GCN(graph convolutional network)。
GCN (Graph Convolutional Network) 图卷积网络
rocking_struggling的博客
09-01 3169
这几个同时看一下，感觉能理解不少： B站视频：https://www.bilibili.com/video/BV1ta4y1t7EK GCN论文原文和代码：https://github.com/tkipf/gcn （代码另有pytorch版本的，也很方便理解） 本文转载的博客：https://blog.csdn.net/weixin_36474809/article/details/89316439 以下是主要转载内容： 目的：图卷积网络近两年大火，博主实习需要用
理解Graph Convolutional Network(GCN)
上帝是个娘们的博客
05-23 1094
理解Laplacian矩阵 在GCN相关的理论知识中，都提到了Laplacian矩阵（拉普拉斯矩阵），那么GCN为什么要用拉普拉斯矩阵以及拉普拉斯矩阵是怎么来的却很少有人说明。下面通过一个列子来说明。 一个基于图的热传播模型 上图一个热传播模型，我们都知道热量只会从温度高的地方流向温度低的地方，再上图中，热量只会从温度高的节点流向温度低的节点，比如节点1会与节点0，2，4发生直接的热交换，会与其他间接连通的节点（比如节点8）发生间接的温度交换。 假设热量的流动满足牛顿冷却定律（热量传递的速度正比于温度梯度
GCN (Graph Convolutional Network) 图卷积网络解析
祥瑞的技术博客
04-16 8万+
目的：图卷积网络近两年大火，博主实习需要用到。接下来几个月就会在图卷积网络上做很多东西。这篇是刚开始对图卷积网络的学习，所以会广泛参考相关论文与网上的技术博客，总结归纳，希望提炼出有用的知识，加深对于图卷积网络的理解。重要内容链接会贴出方便大家学习，也很欢迎大家跟我探讨或者分享心得。对于复杂的公式与繁杂的推证，博主希望尽可能理解其意义，对于难以理解的或者暂时没有时间推证的可以先记下其结论，方便后续...
阅读：IA-GCN: Interactive Graph Convolutional Network forRecommendation
qq_43532928的博客
06-24 1401
摘要：近年来，图卷积网络(GCN)已成为一种新型的基于协同过滤(CF)的推荐系统(RS)的新技术。通过在用户-项目二部图上进行嵌入传播来学习信息丰富的用户和项目表示方式，然后根据这些表示方式为用户提供个性化的项目建议。尽管现有算法有效，但在嵌入过程中忽略了用户-项目对之间宝贵的交互特征。当预测用户对不同项目的偏好时，他们仍然以相同的方式聚合用户树，而不强调用户社区中的目标相关信息。这种统一的聚合方案很容易导致用户和项目表示的次优，在一定程度上限制了模型的表达性。在这项工作中，我们通过在每个用户-项对之间建立
27. Dual Graph Convolutional Networks for Aspect-based Sentiment Analysis 阅读笔记
薰珞婷紫小亭子的博客
03-16 2942
目录 1. Abstract Introduction 2. Related Work 模型简称：DualGCN Author ,,, , , Institutions School of Artificial Intelligence,Beijing University of Posts and Telecommunications（北邮）,China Language Technologies Institute,Carnegie Mellon University, USA A
Graph Convolutional Network (GCN) 图卷积网络
酒酿小圆子呀～
07-03 1万+
基本原理： 强烈推荐： 从CNN到GCN的联系与区别——GCN从入门到精（fang）通（qi） 主要内容：CNN，拉普拉斯矩阵，Graph上的傅里叶变换及卷积，Graph Convolution 第一代GCN 第二代GCN 第三代GCN 利用切比雪夫多项式来进行近似，降低前向传播高复杂度的问题。 Semi-supervised Classification with Graph Convolutional Networks 一文中的GCN形式，其实是二阶Chebyshev多项式推导出的特例。 参考博客
图卷积网络(Graph Convolutional Networks, GCN)详细介绍
热门推荐
qq_43787862的博客
02-17 18万+
本文翻译自博客。 在这篇博文中会为大家详细地介绍目前使用广泛的图神经网络——图卷积网络(Graph Convolutional Networks, GCN)的相关知识。首先将带领大家直觉上感受其工作原理，然后再介绍更深层的数学原理。 为什么要使用图(Graph)？ 很多问题在本质是都可以表示为图的形式。在真实世界中，我们会发现很多数据其实是以图的形式存在的，比如分子网络，社交网络以及论文引用网络等等。 基于图的任务 针对图数据，通常有以下几种比较常见的任务类型： 结点分类(Node classificat
图卷积网络Graph Convolutional Network（GCN）的理解和详细推导.pdf
06-11
图卷积网络 GCN Graph Convolutional Network（谱域GCN）的理解和详细推导博客pdf 原博客链接：https://blog.csdn.net/yyl424525/article/details/100058264#comments_12499724
论文分析：View-GCN View-based Graph Convolutional Network for 3D Shape Analysis
Yuetian_w的博客
12-30 1798
论文阅读笔记：View-GCN: View-based Graph Convolutional Network for 3D Shape Analysis
Leetcode 65 固定长度窗口 | 中心辐射型固定窗口
im_AMBER的博客
12-01 816
窗口是 “连续固定长度” 还是 “以某个点为中心辐射”？若题目说 “长度为 k 的子数组”→ 普通固定窗口；若题目说 “半径为 k”“以每个元素为中心”→ 中心辐射型窗口。结果是 “每个窗口对应一个值” 还是 “每个索引对应一个值”？前者→普通固定窗口；后者→中心辐射型窗口。
基于A*算法的雷雨绕飞路径MATLAB实现
2501_92729044的博客
11-30 251
本文提出了一种基于A算法的雷雨绕飞路径规划方法。该方法首先生成模拟雷雨天气图并进行二值化处理，识别危险区域；然后检测计划航路中需要绕飞的航段，通过A算法为每个航段生成左右绕飞候选路径；接着进行视距优化和平行路径拓展以提高安全性；最后整合各航段最优路径构建完整绕飞航路。实验结果表明，该方法能有效避开危险区域，生成安全且长度优化的绕飞路径。关键创新点包括：1) 结合雷达天气数据的精细化处理；2) 多候选路径生成与优化机制；3) 完整航路构建策略。可视化界面直观展示了各阶段路径规划效果。
八.函数递归
weixin_60668256的博客
12-01 407
return 0;
2025年全国大学生统计科学与算法编程挑战赛——算法赛道（一）
最新发布
qq_73044452的博客
12-01 257
摘要：本文包含三个编程问题的解决方案。1) 贪吃蛇问题：通过解析移动指令计算蛇最终所在格子的编号；2) 经济小鱼问题：计算前两局存钱、后两局花钱，最终剩余指定金币的方案数；3) 小理吃甜食问题：模拟多轮糖果挑选过程，计算小理获得的最大总糖果值。每个问题都给出了完整的C++实现代码，涉及字符串处理、数学计算和模拟算法等技术。
强化学习[page13]【chapter7】时序差分方法算法介绍
4AM_明朝百晓生
12-01 391
其次，式(7.1)中的TD算法仅能估计给定策略的状态值。尽管如此，本节介绍的TD算法非常基础，对理解本章其他算法至关重要。例如，本章介绍的所有算法都属于时序差分学习的范畴。为简洁起见，式(7.2)常被省略，但必须意识到若缺少该式，算法在数学上将不完整。TD 方法的一个特点是，它在每个时间步更新其值估计，而 MC 方法则要等到回合结束才更新。TD学习的核心思想是基于新获得的信息来修正当前对状态值的估计。因此，TD误差不仅反映两个时间步之间的差异，更重要的是反映了估计值。反映了时间步t与t+1之间的差异。
基于MATLAB的准Z源NpC三电平逆变器拓扑：SVPWM调制与中性点平衡算法的创新应用
2509_94268408的博客
11-30 395
这玩意儿结合了SVPWM调制和中性点平衡算法，实测波形效果比传统拓扑稳得多，特别是处理电压突降和中性点漂移时表现惊艳。有意思的是，当故意让算法失效时，相电压会出现明显的三次谐波毛刺（如下图右侧），而启用平衡算法后波形干净得像用尺子画出来的一样。基于MATLAB搭建的准Z源NpC三电平逆变器拓扑，利用SVPWM调制算法，加入了中性点平衡算法，有创新，给出了线电压和相电压波形。这段代码直接帮我们锁定了电感最优值在1.2mH附近，比教科书公式算出来的更准，毕竟实际仿真考虑了开关器件的非线性特性。
人工兔算法详细原理，人工兔算法公式，人工兔算法优化BP神经网络
abc991835105的博客
12-01 62
摘要：人工兔优化算法(ARO)是一种受兔子生存策略启发的智能优化算法。该算法通过模拟兔子的"绕道觅食"和"随机躲藏"两种行为，分别对应全局探索和局部开发。算法采用能量因子机制自动平衡探索与开发，包含三个核心公式：绕道觅食公式实现全局跳跃搜索，随机躲藏公式进行局部精细优化，能量收缩机制控制搜索策略转换。实验结果表明ARO在多种优化问题上表现优异，能够有效避免早熟收敛并找到高质量解。该算法适用于工程设计、路径规划等复杂优化问题。
graph convolutional network和 graph isomorphism network
12-14
Graph Convolutional Network (GCN) 和 Graph Isomorphism Network (GIN) 都是用于处理图数据的深度学习模型。GCN 是一种基于图卷积操作的模型，它可以有效地学习图数据的表示，具有良好的可扩展性和泛化能力。它...
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值