图卷

在本文中，我们将通过化学的视角探索图卷积网络，我们将尝试将网络的特征与自然科学中的传统模型进行比较，并思考为什么它的工作效果要比传统的方法好。 https://avoid.overfit.cn/post/7cfa0930651b4b4cac912952d8c53d54 ......

图神经网络（GNN）代表了一类强大的深度神经网络架构。在一个日益互联的世界里，因为信息的联通性，大部分的信息可以被建模为图。例如，化合物中的原子是节点，它们之间的键是边。 图神经网络的美妙之处在于它们能够在不牺牲重要细节的情况下直接对图结构数据进行操作。这一点在处理复杂的数据集（如化合物）时尤为明显 ......

[toc] 《基于图卷积神经网络的人工智能:一种新的图像识别技术》 1. 引言 1.1. 背景介绍 近年来，随着深度学习技术的快速发展，图像识别领域也取得了显著的进步。传统的图像识别方法主要依赖于特征提取和分类器模型，但这些方法在处理大规模图像时，效果越来越差。图卷积神经网络 (GCN) 的出现为图 ......

本文是文章 [A Gentle Introduction to Graph Neural Networks](https://distill.pub/2021/gnn-intro/) 的个人笔记，强烈建议大家去体验原文的交互式阅读，以及李沐老师的[讲解](https://www.bilibili.c ......

图神经网络（GNN）目前的主流实现方式就是节点之间的信息汇聚，也就是类似于卷积网络的邻域加权和，比如图卷积网络（GCN）、图注意力网络（GAT）等。下面根据GCN的实现原理使用Pytorch张量，和调用torch_geometric包，分别对Cora数据集进行节点分类实验。 Cora是关于科学文献之 ......