2.GNN(Graphic Nuaral Network)

原创已于 2023-03-16 18:50:39 修改 · 448 阅读

1 ·

CC 4.0 BY-SA版权

文章标签：

#算法 #c++ #数据结构

于 2023-03-16 18:49:06 首次发布

将一个数据（一个图）输入到网络（GNN）中，会得到一个输出数据（同样是图），输出的图和输入的图相比，顶点、边、以及全局信息会发生一些改变。GNN采用“图入图出”架构，也就是说模型将图作为输入，改变图的信息后进行输出。

简单来说：GNN模型就是一张图输入，经过GNN层（实质上就是三个分别对应点、边和全局的MLP），输出一个属性已经变换的图，在经过全连接层，得到输出。

顶点、边和全局信息都是独立处理的，只在最后Pooling时使用了连通性信息。

加入信息传递：在每一层GNN层中加入Pooling，让相邻顶点、边、以及全局信息之间进行信息传递，而不是等到最后进行预测的时候才进行Pooling。

GNN输入信息包括（1）顶点信息（2）边信息（3）全局信息（4）顶点之间的连接信息。

以一张5*5*3的照片为例

（1）顶点信息是一个25*3的矩阵

（2）边信息是72*边的向量维度

（3）全局信息比如是否含有环

（4）顶点之间的连接信息邻接矩阵就是

GNN的最终目的是对图进行预测（也就是全局信息）、对顶点信息进行预测和对边信息进行预测。

总结，比GCN简单，只有MLP使用，没有卷积结构，同样是用在2D图像上。

参考以下作者文章：

https://blog.youkuaiyun.com/qq_44452377/article/details/127042725?spm=1001.2014.3001.5506

确定要放弃本次机会？

福利倒计时

: :

立减 ¥

普通VIP年卡可用

立即使用

June_PointClouds_DL

关注关注

0
点赞
踩
1

收藏

觉得还不错? 一键收藏
0
评论
分享

复制链接

分享到 QQ

分享到新浪微博

扫一扫
举报

举报

GNN学习

qq_40282662的博客

09-30

827

GNN模型《The Graph Neural Network Model 》是第一个提出GNN的论文，将神经网络使用在图结构上。 1. GNN用来解决什么问题对于图领域问题，假设存在函数τ\tauτ，输入图结构GGG和其中的一个节点nnn，输出是一个实值向量： τ(G,n)∈Rm\tau(G,n) \in R^{m}τ(G,n)∈Rm 图相关的问题主要可以分为两种类型：专注于图的应用(graph-focused)：函数τ\tauτ和具体的节点无关，即τ(G)\tau(G)τ(G)，训练时，在一个图

图神经网络（GNN）深度解析

热门推荐

hellozhxy的博客

01-11

3万+

图数据是由节点（Node）和边（Edge）组成的数据，最简单的方式是使用邻接矩阵来表示图形结构，从而捕捉图形中的节点和边的相关性。假设图中的节点数为n，那么邻接矩阵就是一个n*n的矩阵，如果节点之间有关联，则在邻接矩阵中表示为1，无关联则为0。在图中，鲁班与其他英雄都没有关联，表现在邻接矩阵当中就是它所在的行与列为全零。王者荣耀当中的图和邻接矩阵图数据的信息包含3个层面，分别是节点信息（V）、边信息（E）、图整体（U）信息，它们通常是用向量来表示。

GCN/GNN

upupyon996deqing的博客

05-31

2281

图这个数据结构与之前讨论的文本是一个序列，图片是一个矩阵来说，图更加的复杂。对图神经网络的简单介绍。简介：图神经网络被用在处理图的结构和性质上面，构建一个图神经网络需要什么模块上现在的图神经网络是一个比较新的领域博客分成四个部分：首先是解释什么数据可以表示成一张图；图跟别的数据有什么不一样的？构建一个GNN，看一下各个模块长什么样子；提供一个GNN 的playground 解释什么是图：就是表示一些实体之间的关系，所谓的实体就是一些点，关系就是一些边；从左到.

图神经网络简介，什么是图神经网络，GNN

一起躺躺躺的博客

05-13

3万+

distill博客：A Gentle Introduction to Graph Neural Networks (distill.pub) 什么是图？图是由一些点和一些线构成的，能表示一些实体之间的关系，图中的点就是实体，线就是实体间的关系。如下图，v就是顶点，e是边，u是整张图。attrinbutes是信息的意思，每个点、每条边、每个图都是有信息的。怎么表示一张图，可以参考下面这个例子每个顶点、边和整张图都可以用一个向量来表示，在这个例子中，顶点的向量有六个值，柱体的高矮就表示该值的.

三.GNN之GCN，GraphSAGE，GAT

weixin_51736742的博客

08-04

1111

from torch_geometric.datasets import Planetoid dataset=Planetoid(root="tmp",name="Cora") #构建GCN import torch import torch.nn.functional as F from torch_geometric.nn import GCNConv, SAGEConv, GATConv 1.GCN class GCN_Net(torch.nn.Module): def __in.

精选资源

TWRData_analyze.rar_GNN MATLAB_GNN关联_gnn_跟踪滤波_跟踪算法

07-15

标题中的"TWRData_analyze.rar_GNN MATLAB_GNN关联_gnn_跟踪滤波_跟踪算法"揭示了这个压缩包文件包含的内容主要与一种基于图神经网络（GNN）的跟踪算法有关，该算法应用于MATLAB环境中，特别是针对数据分析任务。...

GNN.rar_gnn_gnn java_聚集区域查询_近邻查询

09-23

标题中的"GNN.rar_gnn_gnn_java_聚集区域查询_近邻查询"表明这是一个关于图神经网络（GNN）在Java环境下实现的项目，重点在于优化聚集区域查询和近邻查询的方法。GNN是一种用于处理图数据的深度学习模型，它能够通过...

精选资源

GNN_1.1.c:GNN模拟器以及基准

05-01

2. **消息传递**：实现GNN的核心运算，即节点特征的邻居聚合，以更新节点的隐藏状态。 3. **模型定义**：允许用户定义不同类型的GNN层和全连接层，以构建复杂的网络架构。 4. **优化器**：集成常见的优化算法，如...

图神经网络（Graph Neural Network，GNN）综述.zip

10-30

2. **消息传递**：在每一层，每个节点将它的特征向量与其他邻居节点的特征向量相融合，形成新的信息。这个过程可以表示为一个函数，例如线性变换或非线性激活函数（如ReLU）。 3. **聚合操作**：将邻居节点的消息...

GNN和GCN以及神经网络和卷积神经网络的区别

weixin_45720999的博客

07-01

1936

综上所述，神经网络和卷积神经网络在定义、结构、计算方法、用途、特点以及训练与优化等方面都存在显著的区别。在实际应用中，需要根据具体任务和数据的特点选择合适的神经网络模型。综上所述，GNN和GCN在定义、信息传递方式、卷积操作的定义、适用场景以及发展与变体等方面都存在明显的区别。在实际应用中，需要根据具体任务和数据的特性来选择合适的模型。总结来说，GNN是一种强大的工具，尤其适用于处理关系型数据和图结构数据的任务。然而，要充分发挥其优势，需要认识到一些潜在的挑战，并在实际应用中进行合理的调整和优化。

深度学习模型：图神经网络（GNN）详解

专业深耕，技术前沿

01-31

2391

图神经网络（GNN）作为一种专门用于处理图结构数据的深度学习模型，在多个领域取得了显著成果。随着研究的深入和技术的不断发展，GNN将在更多领域得到应用和推广。未来，GNN的研究方向可能包括更加高效的图嵌入方法、融合不同尺度的信息、探索图表示学习在更多领域的应用等。同时，也需要关注GNN模型的可解释性和鲁棒性等问题，以推动GNN技术的进一步发展。

GNN教程：图神经网络基础知识！

Datawhale

11-10

1722

↑↑↑关注后"星标"Datawhale每日干货&每月组队学习，不错过Datawhale干货作者：秦州，阿里巴巴，Datawhale成员系列规划本文为GNN...

PyTorch搭建GNN-LSTM和LSTM-GNN模型实现多变量输入多变量输出时间序列预测

KI的博客

01-09

2万+

PyTorch搭建GNN-LSTM和LSTM-GNN模型实现多变量输入多变量输出时间序列预测

图神经网络（GNN）总结

I‘m Frank Lee

07-09

1万+

1 简单的图的参数介绍 G=(V,E,A)\mathcal { G } = ( V , E , A )G=(V,E,A) V(N个)是节点集合, 只描述了存在的节点 E是边集合, 只描述了存在的连接(边) A(NxN)是图的邻接矩阵, 描述了节点之间的连接关系, 当对应的边eij(连接vi,vj的边)存在的时候, 则对应的Aij = wij> 0, 若eij不存在, 则Aij = 0 D(...

图神经网络(GNN)的简介

测试0901-1

03-20

3211

图(Graph) 在讨论GNN之前，我们先来了解一下什么是图。在计算机科学中，图是由顶点和边两部分组成的一种数据结构。图G可以通过顶点集合V和它包含的边E来进行描述。根据顶点之间是否存在方向依赖关系，边可以是有向的，也可以是无向的。图 1有向图顶点也称为节点,在本文中，这两个术语是可以互换。图神经网络图神经网络是一种直接作用于图结构上的...

GNN图神经网络

m0_60673782的博客

11-26

3002

论文链接：A Gentle Introduction to Graph Neural Networks (distill.pub) 零基础多图详解图神经网络（GNN/GCN）【论文精读】_哔哩哔哩_bilibili 文章分为四块：什么样的数据可以表示为一张图图和别的数据有什么不一样的地方为什么要做图神经网络构建GNN 看一下各个模块长什么样子搭建了GNN的playground 一、什么样的数据可以表示为一张图图就是表示实体(点nodes)的一些关系（边edges） U表示全..

GNN学习笔记

m0_43421755的博客

11-26

1471

.GNN

03-18

### 图神经网络 (Graph Neural Networks, GNN) 的介绍及其应用 #### 基本概念图神经网络是一种专门用于处理图结构数据的深度学习方法。它通过消息传递机制，在节点之间传播和聚合信息，从而实现对复杂关系建模的能力[^1]。GNN的核心思想在于利用图中的拓扑结构来提取特征并生成节点、边甚至整个图的表示。在具体实现方面，《Graph Neural Networks: A Review of Methods and Applications》一文中提到三种通用框架：MPNN（Message Passing Neural Network），NLNN（Non-local Neural Network）以及DeepMind提出的GN（Graph Network）。这些框架分别从不同的角度定义了如何在网络中进行信息交换与更新操作[^2]。 #### 应用领域 GNN的应用范围非常广泛，涵盖了多个学科和技术场景： - **社交网络分析** 社交媒体平台上的用户互动可以被抽象成一张巨大的图，其中每个账户是一个节点，而好友关系则构成连接两者的边。通过对这样的图施加GNN算法，可以帮助识别社区结构、预测链接形成可能性等问题。 - **推荐系统优化** 推荐引擎通常依赖于捕捉用户的偏好模式与其所消费商品间的关联性。当把用户视为一类实体，项目作为另一类时，则形成了二分图形式的数据集。在此基础上运用GNN技术能够显著提升个性化建议质量[^3]。 - **化学分子性质预测** 化合物内部原子间键结状况可以用有向带权图表达出来，借助于此种表述方式再配合相应类型的GNN模型即可完成诸如毒性评估之类的任务。以下是Python代码片段展示了一个简单的基于PyTorch Geometric库构建GCN层的例子： ```python import torch from torch_geometric.nn import GCNConv class SimpleGCN(torch.nn.Module): def __init__(self, input_dim, hidden_dim, output_dim): super(SimpleGCN, self).__init__() self.conv1 = GCNConv(input_dim, hidden_dim) self.conv2 = GCNConv(hidden_dim, output_dim) def forward(self, data): x, edge_index = data.x, data.edge_index x = self.conv1(x, edge_index) x = torch.relu(x) x = self.conv2(x, edge_index) return torch.log_softmax(x, dim=1) ```