如何利用图卷积网络对图进行深度学习（上）
发布时间：2020-01-27 13:56:42 所属栏目：交互 来源：站长网
导读：副标题#e# 基于图的机器学习是一项困难的任务，因为图的结构非常复杂，而且信息量也很大。这篇文章是关于如何用图卷积网络（GCNs）对图进行深度学习的系列文章中的第一篇，GCNs是一种强大的神经网络，旨在直接处理图并利用其结构信息。 在这篇文章中，我将
|
观察邻接矩阵的每一行中的权重（值）已除以与该行相对应的节点的阶数。我们将传播规则应用于变换后的邻接矩阵 In [11]: D**-1 * A * X
Out[11]: matrix([
[ 1. , -1. ],
[ 2.5, -2.5],
[ 0.5, -0.5],
[ 2. , -2. ]
])
得到与相邻节点特征均值对应的节点表示。这是因为（转换后的）邻接矩阵中的权重对应于邻接节点特征的加权和中的权重。再次，我鼓励你亲自验证这一观察结果。 原文链接：https://towardsdatascience.com/how-to-do-deep-learning-on-graphs-with-graph-convolutional-networks-7d2250723780 （编辑：晋中站长网） 【声明】本站内容均来自网络，其相关言论仅代表作者个人观点，不代表本站立场。若无意侵犯到您的权利，请及时与联系站长删除相关内容! |
