GCN推导

GCN涉及到的理论比较多,包括信号分析中的傅里叶变换、图谱等理论,这里只做一个简单的推导,旨在让读者了解GCN推导的大致思路以及其中用到的定理,错误之处还请指出。大致了解GCN的思路后可移步学习其中涉及到的理论知识: 如何理解图卷积 图卷积网络 GCN Graph Convolutional Network 由于图是不规则化的非欧式结构数据,而CNN是在欧式数据(如图片、语音等)上进行卷积,如何在不规则的图上定义卷积?我们从卷积定理入手。 卷积定理 卷积定理:函数卷积的傅里叶变换是函数傅立叶变换的乘积 这个定理十分关键,假设有两个函数fff和ggg,FFF代表傅里叶变换,F(−1)F^(-1)