GRAPH ATTENTION NETWORKS图注意力网络

modige_hm

于 2021-09-17 19:38:01 发布

阅读量275

点赞数

CC 4.0 BY-SA版权

分类专栏：自然语言处理知识图谱文章标签：神经网络深度学习自然语言处理

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。

本文链接：https://blog.youkuaiyun.com/modige_hm/article/details/120355453

本文介绍了图注意力网络（GAT）的架构，特别是图注意力层。GAT通过权重矩阵和注意力机制转换节点特征，使用LeakyReLU进行正则化，并通过多头注意力机制增强学习稳定性。最终，通过平均化多头注意力的输出，适用于图数据的分类任务。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

GRAPH ATTENTION NETWORKS

图注意力网络
在这里插入图片描述

2.GAT架构

2.1 GRAPH ATTENTIONAL LAYER

从一个单层图注意力层开始介绍

输入：节点特征：在这里插入图片描述
（ N 是节点数量，F是节点特征数量）

输出是一个新的节点特征

h'={h1',h2',h3}
为了把输入的特征变为输出特征，引入一个权重矩阵W（F’行F列）
在这里插入图片描述

接着对每个节点实施self-attention]
在这里插入图片描述
计算注意力系数

最低0.47元/天解锁文章

200万优质内容无限畅学

评论

被折叠的条评论为什么被折叠?

到【灌水乐园】发言

查看更多评论

添加红包

成就一亿技术人!

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。