传统神经网络主要处理欧几里得空间的数据，但现实世界中的很多数据具有非欧几里得结构，如图和流型。图神经网络（GNN）因此应运而生，以适应这种不规则数据。GCN作为GNN的一种，能够在非规则网格上进行局部聚合操作，解决了传统CNN无法处理图结构化数据的问题。图神经网络的发展为处理复杂数据结构提供了新的途径。
都说 图神经网络是 基于 非欧空间 数据的 学习，那什么是 非欧空间呢？答案：欧式空间可以理解为一个排列组合完整的方阵，非欧式空间理解为解散了的方阵。
在过去的十年中，神经网络取得了巨大的成功。
但是，只能使用常规或欧几里得数据来实现神经网络的早期变体，而现实世界中的许多数据具有非欧几里得的底层图形结构。(一类就是图，另一类叫流型，统称为非欧几里得结构。)
数据结构的不规则性导致了图神经网络的最新发展。(为什么普通CNN无法处理图结构化数据) https://www.zhihu.com/question/54504471/answer/1128245420
最低0.47元/天 解锁文章
扫一扫
865
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
