47、处理EEG数据的隐藏王者：手推图神经网络GCN[CNN宗主不过如此！]

1、概念提出：

在国际学习表征会议-ICLR2017，深度学习顶会：

2、GCN做什么：

DL的经典模型CNN、RNN在CV和NLP领域都取得了优秀的结果，但是两者在图结构的数据中处理并不理想。

CNN：做图像识别，图像是一个二维的结构，CNN使用Kernel和Stride在图片上平移，通过卷积的方式来提取特征。关键在于图片结构的平移不变性，一个kernel小窗口无论移动到图片的哪个位置，它的内部结构都是一样的，所以CNN可以实现参数共享。

RNN：处理对象是自然语言这种序列信息，它是一种一维结构，RNN通过各种门的操作，使序列前后的信息互相影响，从而捕获序列的特征。

所以，CNN和RNN处理的图片和语言数据都是欧式空间的数据，所以才有维度的概念，其特点就是数据结构很规则，但是在现实生活中，还是以不规则的数据为主，典型的是图结构，又称栝拓扑结构，比如：

1、社交网络

2、化学分子结构

3、知识图谱等

对于图片和语言：

图片：做目标检测识别时，我们关注的是图片上的需要识别的关键点，把这些点连接组成也是一种图

语言：语言内部也有着复杂的树结构，也是图结构

3、图结构数据特点：

1、数据不规则，无限维度

2、不存在平移不变性，CNN、RNN瞬间无效

所以，GCN的发明和提出，是为了处理图结构这种数据的

（