图神经网络基础

节点有节点的属性，边有边的属性

节点可以分为：labeled node和unlabeled node。

图卷积：

1. graph >> spatial-based convolution(空间卷积)

2. Fourier Domain(傅里叶变化) ; Spectral-based convolution

常见字母代表：

I：单位矩阵

A：邻接矩阵

E：边特征矩阵

F：节点特征矩阵

路线图

学习路线图

重点：GAT（graph attention network），GCN

术语

NN4G

NN4G的readout过程

DCNN过程

DCNN输出

MoNET

GAT

建议的update方式

拉普拉斯矩阵L = 度矩阵D - 邻接矩阵A

L是半正定，特征值都是大于等于0。Lf中的第i个结果代表了第i点和相邻节点的差。

fTLf代表了两个点的能量差异，可以当作一种“能量”，“频率”来使用。

特征值可以表示频率大小，特征值越大，差异越大。

频率越大，相邻点的信号变化量越大

谱图理论

ChebNet

转换成切比雪夫多项式的基底

GCN公式推导

各种任务

任务和数据集

分类

回归

边分类

总结

GatedGCN效果不错？