qq_43094622的博客

4-图信号处理与图卷积神经网络 本文参考自《深入浅出图神经网络-GNN原理解析》而非《图深度学习》，但是仍然整合在“图深度学习”专栏内（《图深度学习》在这部分讲的太难惹QAQ） 图信号与图拉普拉斯矩阵 【图的拉普拉斯矩阵】 L=D−AL=D-AL=D−A，其中Lij={d(vi)i=j−1eij∈E0otherwiseL_{ij}=\begin{cases}d(v_i) & i=j \\ -1 & e_{ij}\in E\\ 0 & otherwise\end{cases}Lij

三、深度学习基础 3.1 深度前馈神经网络 前馈神经网络是许多重要深度学习方法的基础，用给定的数据近似（拟合）某个函数f∗(x)f^*(x)f∗(x)。对于分类器而言，前馈神经网络的训练目标是学习参数θ\thetaθ来得到理想分类器f∗(x)f^*(x)f∗(x)的最好近似函数。 在前馈神经网络中，输出层能直接接收来自训练数据的监督信号，而中间层不能。由于训练数据没有为中间层设定明确的输出目标，因此中间层也称为隐藏层。 从网络层之间的输入与输出来看，每一层都可以看作向量->向量的函数；从网络层内的节点

图神经网络的图论基础