Graph Neural Network Note:一个了解图神经网络的博客 源码

从图(Graph)到图卷积(Graph Convolution):漫谈图神经网络 Github Markdown对Latex的支持不好,推荐移步阅读,之后会同步更新。 笔者最近看了一些图与图卷积神经网络的论文,深感其强大,但一些调查或教程替换了读者对图神经网络背景知识的了解,对未学过信号处理的读者不太友好。同时,,很多教程只讲是什么,不讲为什么,也没有梳理清楚不同网络结构的区别与设计初衷(Motivation)。 因此,本文试图建立图神经网络的历史脉络,从初步基于不动点理论的图神经网络(图神经网络,GNN)一步一步讲到当前用得最火的图卷积神经网络(图卷积神经网络)。 Network,GCN),期望通过这里带给读者一些灵感与启示。 本文的提纲与叙述要点主要参考了3篇图神经网络的调查,分别是来自IEEE Fellow的图神经网络综合调查[1],来自清华大学朱文武老师组的图深度学习:一项调查[