Open chengaf opened 4 years ago
https://chengaf.github.io/afcheng.github.io/2019/10/30/GCN%E5%8E%9F%E7%90%86%E7%AE%80%E7%95%A5%E6%80%9D%E8%B7%AF/
写在前面，GCN提出目的、输入输出、方法分类。 GCN提出目的：在Graph这一广泛使用的数据结构上做深度学习。传统CNN无法直接迁移到Graph上，因此提出GCN这一研究体系/方法框架。 GCN方法分类：时域、频域（有理论保证是目前的主流方法，这里的总结）。 输入：Graph的邻接矩阵 A\in R^{N\times N} ,节点的特征矩阵 X\in R^{N\times F} 。 输出：节
腻害了哇
NSF20
commented
4 years ago NSF20
commented
4 years ago
https://chengaf.github.io/afcheng.github.io/2019/10/30/GCN%E5%8E%9F%E7%90%86%E7%AE%80%E7%95%A5%E6%80%9D%E8%B7%AF/
写在前面，GCN提出目的、输入输出、方法分类。 GCN提出目的：在Graph这一广泛使用的数据结构上做深度学习。传统CNN无法直接迁移到Graph上，因此提出GCN这一研究体系/方法框架。 GCN方法分类：时域、频域（有理论保证是目前的主流方法，这里的总结）。 输入：Graph的邻接矩阵 A\in R^{N\times N} ,节点的特征矩阵 X\in R^{N\times F} 。 输出：节