图神经网络

math_computer math_computer 博客等级 墨衍会员 · AI 创作全网分发 墨衍智能分发 本文由作者通过墨衍一键同步至各平台 1分发平台 100+累计阅读 179平均单平台 已同步平台 优快云 微信公众号 微博 知乎 掘金 百家号 博客园 抖音 小红书 你的文章也可以这样分发 墨衍会员 ¥399起/年，写一次发全网 我也要 码龄8年
关注
原创 最新推荐文章于 2026-07-23 11:52:44 发布 179 阅读 AI 写同款· GEO 优化 ›
神经网络的原理和应用,神经网络理论及应用 我想这可能是你想要的神经网络吧！什么是神经网络：人工神经网络（ArtificialNeuralNetworks，简写为ANNs）也简称为神经网络（NNs）或称作连接模型（ConnectionModel），它是一种模仿动物神经网络行为特征，进行分布式并行信息处理的算法数学模型。这种网络依靠系统的复杂程度，通过调整内部大量节点之间相互连接的关系，从而达到处理信息的目的。... 阅读详情

参考：

原始论文https://arxiv.org/pdf/1609.02907.pdf

原始论文基本解读https://zhuanlan.zhihu.com/p/35630785

数学上的看法https://zhuanlan.zhihu.com/p/60962304

收录于
深度学习

当前文章被收录于：

深度学习
1 篇文章 0 人学习
订阅专栏 查看详情
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。
几种图神经网络方法总结（Graph Neural Network） 概要 今年来图神经网络受到大家越来越多的关注，在文本分类(Text classification)，序列标注（Sequence labeling）, 神经机器翻译（Neural machine translation）,关系抽取（Relation extraction），事件抽取（Event extraction）, 图像分类（Image Classification），视觉推理（Visual R... 阅读详情

相关推荐

图神经网络整理和思考

一共三个维度：点、边和全图，我们的目标就是为这三个维度根据邻居关系提取特征，然后根据提取到的特征做分类或者回归。下图是一个具体的例子GCN的主要思想是取所有邻居节点特征（包括自身节点）的加权平均值。度低的节点获得更大的权重。之后，我们将得到的特征向量通过神经网络进行训练和卷积类似，GCN也可以做多层，每一层的特征输入都是上一层的输出多层卷积的优点：特征的抽象表示： 多层卷积允许模型逐渐提取数据的抽象特征表示。每一层的卷积操作都能够捕获不同层次的特征，从原始输入中提取更高级别、更抽象的表示。

魂断506的博客 2322

有关深度学习/神经网络/脑科学的一点想法

个人认为，当未来计算能力达到一定水平后，神经网络达到非常深的深度时，是否存在一种可能，使极深的网络可以同时完成多任务，结合当前存在的各种技术，完成视觉、听觉、嗅觉甚至触觉的感知、大脑内部的思考（计算、推理、知识），以达到真正模拟人脑的程度？ 仅作一个想(xia)法(che)hhhhhhhh^ _ ^...

kawhi849 671

【Graph Neural Network 图神经网络】1.Recurrent Graph Neural Network 循环图神经网络

图神经网络概述 神经网络的成功推动了模式识别和数据挖掘的研究，产生了若干种端到端的深度学习方法：卷积神经网络CNN、循环神经网络RNN、自动编码器。其中卷积神经网络CNN能够利用图像数据的平移不变性、局部连通性和可组合型，提取与整个数据集共享的局部有意义的特征，以进行各种图像分析任务。 但是在应用场景中依然有大量的数据以图Graph的形式表示，例如电子商务中的用户与产品的交互、化学中的分子结构、引文网络中的论文关系等。因为图结构可能是不规则的，图中的节点可能具有不同数量的邻居，图中实例彼此关联不独立，所以现

TsingM 6030

图神经网络 | BrainGNN: 用于功能磁共振成像分析的可解释性脑图神经网络

点击上面"脑机接口社区"关注我们更多技术干货第一时间送达图神经网络简介GNN是Graph Neural Network的简称，是用于学习包含大量连接的图的联结主义模型。近...

脑机接口社区 6072

【图神经网络】10种常用的图神经网络框架对比分析

图神经网络（Graph Neural Network）算法是将深度神经网络的运算(如卷积、梯度计算)与迭代图传播结合在一起：每个顶点的特征都是由其邻居顶点的特征结合一组深度神经网络来计算。

小哲的博客 6565

图神经网络实战（6）——使用PyTorch构建图神经网络

图数据集通常比简单的连接集合更加丰富，因为节点和边可以具有表示分数、颜色、单词等特征。包含这些额外信息在输入数据中对于生成最佳嵌入至关重要。在本节中，我们将使用 Cora 和 Facebook Page-Page 数据集，首先将它们视为表格数据集，观察香草神经网络在节点特征上的表现如何。然后，尝试在神经网络中加入拓扑信息，实现图神经网络 (Graph Neural Networks, GNN) 架构：一个同时考虑节点特征和边的简单模型。最后，我们将比较两种架构的性能。

盼小辉丶的博客 2万+

【图神经网络】10分钟掌握图神经网络及其经典模型

图(Graph)是一种数据结构，能够很自然地建模现实场景中一组实体之间的复杂关系。在真实世界中，很多数据往往以图的形式出现, 例如社交网络、电商购物、蛋白质相互作用关系等。因此，近些年来使用智能化方式来建模分析图结构的研究越来越受到关注, 其中基于深度学习的图建模方法的图神经网络(Graph Neural Network, GNN), 因其出色的性能已广泛应用于社会科学、自然科学等多个领域。

小哲的博客 8万+

图神经网络实战（1）——图神经网络(Graph Neural Networks, GNN)基础

本节全面介绍了图神经网络 (Graph Neural Network, GNN) ，包括其在数据分析和机器学习中的重要性。首先探讨了图作为数据表示的相关概念及其在各个领域的广泛应用；然后深入探讨图学习的重要性，包括不同的应用和技术。最后，重点介绍了 GNN 架构，并对比了它与其他方法之间的原理和性能差异。

盼小辉丶的博客 15万+

【图神经网络实战】深入浅出地学习图神经网络GNN（上）

V：点，每个点都有自己的特征向量（特征举例：邻居点数量、一阶二阶相似度）E：边，每个边都有自己的特征向量（特征举例：边的权重值、边的定义）U：整个图，每个图都有自己的特征向量（特征举例：节点数量、图直径）传统神经网络（CNN、RNN、DNN）要求输入格式是固定的（如2424、128128等）。但在实际场景中（例如道路交通），不同城市的道路数量和节点数量都不同，即输入数据格式不固定。对此，传统神经网络不能很好地解决，但是GNN可以用来解决此类问题。卷积：卷积核平移计算图卷积：自身信息+所有邻居信息。

知不足而奋进，望远山而前行 7万+

AES-GCM加密认证模式：原理、优势与实战应用

在数据安全领域，加密与认证是保障信息机密性和完整性的两大基石。加密确保数据内容不被窃取，而认证则验证数据来源的真实性和传输过程中是否被篡改。传统的加密后认证方案如AES-CBC+HMAC需要串行处理，性能开销较大。GCM（伽罗瓦/计数器模式）作为一种认证加密（AEAD）方案，巧妙地将AES-CTR加密与基于伽罗瓦域的GHASH认证并行结合，实现了单次数据遍历即可同时完成加密和认证，大幅提升了处理效率。其核心价值在于高性能、支持附加认证数据（AAD）以及标准化程度高，广泛应用于TLS协议、无线网络安全和云存储

weixin_28622215的博客 313

Origin 2025b中文版安装全指南：避开乱码、水印与崩溃陷阱

Origin作为科研绘图领域的事实标准，其2025b版本首次官方支持简体中文UI，但安装远非‘下一步’即可完成。核心在于理解软件本体、语言包、许可证服务与系统区域设置四者间的耦合关系——尤其Windows非Unicode程序语言必须设为‘中文（简体，中国）’，否则必然触发坐标轴乱码、PDF文字方块等典型故障；而AI辅助拟合、内置Python 3.11等新特性，又依赖正确的字体链（如SimSun）与注册表强制加载（UILanguage=zh-CN）才能稳定启用。该版本广泛应用于材料科学、电化学、XRD/SEM

weixin_42548874的博客 1408

什么是图神经网络

2019年可以说是图神经网络元年。01 什么是图神经网络？1. 图和属性图要了解图神经网络，首先要了解图。图是由节点和边组成的，如下图所示。一般图中的节点表示实体对象（比如一个用户、一件商品、一辆车、一张银行卡等都可以作为节点），边代表事件或者实体之间的特殊关系（比如用户和商品之间的购买关系）。在数学中，我们一般使用邻接矩阵来表示图，如上图右边所示。邻接矩阵中的值为 1 表示节点之间有边，即有连接关系。所以邻接矩阵其实很好的将图的这种结构信息表达出来了。还要介绍一个概念是属性图。就是说，图中的节点和边都带有

kyle1314608的博客 2万+

Yolov2 训练时anchor是如何使用的？build_target

0.简略描述 1.将真值检测框变换到特征图尺度上 2.计算以特征图每个网格中心为中心点时所有锚框与真值检测框的交并比 3.取与真值检测框交并比最大的锚框的id,及真值检测框中心所在cell的id,有此，可将真值检测框与预测结果对应起来 4.计算位置回归损失，置信度损失，分类损失 1，网络的输出 图1 yolov2 网络对于检测框位置大小的输出是: 对于1个batch网络的输出的shape为[batch_size, H*W*num_anchors, 5+num_classes], 其中： num_

机器人视觉感知 2818

图神经网络的池化操作

图神经网络有两个层面的任务：一个是图层面（graph-level），一个是节点（node-level）层面，图层面任务就是对整个图进行分类或者回归（比如分子分类），节点层面就是对图中的节点进行分类回归（交通网络道路流量预测）。对于图层面的任务，我们需要聚合图的全局信息（包括所有节点和所有边），并且聚合全局信息得到一个可以表示全图的向量，后续对该向量进行分类回归操作。 如何将全局信息表示为一个向量呢，在图片分类和回归任务中，我们有池化操作，在图数据中，我们一样引入池化操作。 目录 1、全局池化 1.1

qq_41459262的博客 1万+

NC65实现Restful接口开发及调试

NC65实现Restful接口开发及调试

linzhongshu的专栏 2145

ovs实现lb负载均衡

负载均衡器的实现原理是通过硬件或软件设备将客户端访问流量根据转发策略分发到多个服务器或设备上，以确保系统的负载均衡。二层负载均衡‌：使用虚拟MAC地址方式，根据OSI模型的二层进行负载均衡。‌四层负载均衡‌：基于IP+端口的负载均衡，主要分析IP层及TCP/UDP层，实现四层负载均衡。‌七层负载均衡‌：从应用层开始，根据虚拟的URL或IP、主机名接收请求，再转向相应的处理服务器。

bobi的博客 953

图神经网络初探

介绍随着图神经网络（Graph Neural Networks，GNN）热潮的出现，了解、掌握图神经网络相关原理以及应用相关技术越来越成来从事人工智能人员的必要条件。本文主要概述图神经网络...

Kaiyuan_sjtu的博客 8439

自动化测试-自愈技术

随着人工智能的发展，作为一名软件测试工程师，相信大家都会思考如何把这一前沿技术引入到我们的自动化测试当中，想一万遍不如做一遍。，传递当前页面状态，获取之前成功的定位器路径，比较它们，并生成修复的定位器列表。如果修复成功，我们可以使用 Healenium Idea 插件更新我们的自动化测试代码：插件使用修复定位器寻找修复和更新测试代码。的旧定位器去定位按钮的时候，脚本就会报错，提示 “NoSuchElement”的错误异常。现在，我们假设开发人员变更了应用程序的UI界面，改变了这个按钮的id属性，从。

qq_58223744的博客 2660

GNN图神经网络简单理解

图：表示一些实体之间的关系顶点（研究的对象）：顶点信息、邻点数目等边（两个对象之间特定的关系）：边信息、边权重等全局信息：节点个数、最长路径等顶点：用向量表示边：用向量表示全局信息：用向量表示时域中的卷积运算等价于频域中的乘法运算图像是一种特殊的图数据从网络连接方式来看，二者都是局部连接（大大减少了单层网络的计算复杂度）二者卷积核的权重是处处共享的（有效地避免过拟合现象的出现）从模型的层面来看，感受域随着卷积层的增加而增加。

qq_44935334的博客 7842

基于RAG（Retrieval Augmented Generation）架构的简单问答系统的Python实现示例

以下是一个基于RAG（Retrieval Augmented Generation）架构的简单问答系统的Python实现示例。这个系统使用langchain库进行文档处理、检索，以及与大语言模型交互。

max500600的博客 743

迈瑞BS系列全自动生化分析仪LIS协议接口手册(内含HL7和ASTM)

迈瑞BS系列全自动生化分析仪LIS协议接口手册，内含HL7和ASTM)

4 图神经网络—— 基本概念与手写code

1 基本概念 1.1 图神经网络中的基本元素 一般的图中包含以下几种基本元素： 节点vvv：(蓝色的点) 边X(u,v)X_{(u,v)}X(u,v)​：(黑色的边，也就是节点u,vu,vu,v之间的特征向量) 节点特征向量：XvX_vXv​ 特征向量：hvkh_v^khvk​，代表节点vvv在第kkk次循环(第kkk层)的特征向量。解释：其中每一个节点都有自己的特征，也就是说某个节点可用一个...

Mortal's blog 7446

假人有限元模型

假人模型，车辆碰撞假人有限元模型，适合做乘员安全的研究者利用

图神经网络系列（一）介绍及基本模型

前言 在计算机视觉以及自然语言处理领域中，现有的技术大多把原始输入表示为欧几里得数据 但是现实的处理问题当中还存在大量的非欧几里得数据，如社交多媒体网络数据，化学成分结构数据，生物基因蛋白数据以及知识图谱数据等等。图神经网络的出现为这些非欧几里得数据的处理提供了新的思路。 图(Graph) 图（graph）是数据结构和算法学中最强大的框架之一。图可以用来表现多种类型的结构或系统，在很多应用上都有...

sinat_16211087的博客 9188

复分析 阿尔福斯(Ahlfors) 第三版答案 英文

答案分为十章，有部分习题没有答案，全英文复分析阿尔福斯(Ahlfors) 第三版答案

efm32 入门.pdf

本PDF共计22页，介绍的是操作驱动API，下载与否自己斟酌。

长文详解图神经网络

点击上方，选择星标或置顶，每天给你送干货！阅读大概需要25分钟跟随小博主，每天进步一丢丢链接：https://zhuanlan.zhihu.com/p/108294485编辑：王萌 澳门...

zenRRan的博客 6447

图神经网络和常见的神经网络的区别

exec函数0 前言1 为什么需要图神经网络？2 图神经网络是什么样子的？3 图神经网络的几个经典模型与发展4 无监督的节点表示学习（Unsupervised Node Representation）5 Graph Pooling 参考知乎：https://zhuanlan.zhihu.com/p/136521625 0 前言 图神经网络有很多比较好的综述： 1、Graph Neural Networks: A Review of Methods and Applications. 2、A Compre

→★佐佑思维★← 1万+
上一篇： 数据预处理——规范化
下一篇： window终端光标消失
点赞 0
评论 0
书签 书签 0
math_computer
math_computer
博客等级 码龄8年 43粉丝 176原创
+ 关注 专栏目录 订阅专栏
评论
成就一亿技术人!
拼手气红包6.0元
还能输入1000个字符
 
表情包 插入表情
表情包 代码片
 条评论被折叠 查看
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