Yichar的博客

原理论文：“Convolutional Neural Networks on Graphs with Fast Localized Spectral Filtering”卷积公式：参数说明：L^\hat{L}L^ 表示缩放和标准化的拉普拉斯矩阵：2Lλmax−I\frac{2L}{\lambda_{max}} - Iλmax​2L​−Iλmax\lambda_{max}λmax​是L分解出的最大特征值, III是单位矩阵。思想：其实仔细观察Z(k)Z^{(k)}Z(k),可以发现当K=1时，

初始GCN实现原理说明代码测试原理论文来源：“Semi-supervised Classification with Graph Convolutional Networks”卷积公式：X′=D^−1/2A^D^−1/2XWX^{\prime}=\hat{D} ^{-1/2}\hat{A}\hat{D} ^{-1/2}XWX′=D^−1/2A^D^−1/2XW参数解释:A^\hat{A}A^表示特征图的邻接矩阵A+I,D^\hat{D}D^表示A^\hat{A}A^的度矩阵(是对角阵),且有D^