关键词：
基于图卷积网络的图深度学习
先简单回顾一下，深度学习到底干成功了哪些事情！
深度学习近些年在语音识别，图片识别，自然语音处理等领域可谓是屡建奇功。ImageNet：是一个计算机视觉系统识别项目， 是目前世界上图像识别最大的数据库，并且被业界熟知。
我们先回顾一下，没有大数据支撑的欧式深度学习技术。对于一个字母“Z”的识别，我们通常是建立一个2D网格（点阵），如果将其中的点连接起来，定义这样的连接方式所形成的就是“Z”。然后是用其他字母来测试，这个模型的正确性。
传统深度学习的方法，实际上就是一种手工设计特征的过程。而且，在准确率上没有保障。而真正的深度学习，端到端的学习，其中的过程到底发生了什么，设计者什么也不知道，自然也不会人为的去干涉。
如果数据不能网格化，那么CNNs就失去了作用。所以，CNNs在一定程度上还是有很多缺陷的。例如图结构数据，如何处理？在现实世界中这样的例子很多很多：社交网络（著名的六度理论），万维网，知识图，等等这些都是图结构，不是网格结构，对于这些我们该怎么解决。
下面是一个简单的解决图结构数据的方法。
这个方法到底会出现什么样的问题呢？为了解决问题，我们需要什么呢？
先简单介绍一下第一阶消息传递的GCNs，这个理论在2009年就已经被提出来了。
接下来，我们了解一下GCN模型架构！
GCN模型架构到底能干什么呢？先举个小栗子。
GCN模型与大名鼎鼎魏勒雷曼算法的关系到底是什么样的呢？
图的半监督分类也是一种不错的方法。
半监督分类嵌入方法——两步管道，这个方法也有一些问题，但我想这是可以解决的。
举个小栗子，视频链接是一个关于半监督学习的小例子，有兴趣的朋友可以去看一下。
视频：
http://tkipf.github.io/graph-convolutional-networks/
此外，还有关于引文网络的分类，也可以 通过这个方法实现。
下面2-layerGCN模型的实验结果
还要一些这个方法最近应用到其他程序的案例。
用这个方法关于图auto-encoders链接的预测。下面是auto-encoders的介绍
Autoencoders
进一步的阅读
Blog post Graph Convolutional Networks:
http://tkipf.github.io/graph-convolutional-networks
Code on Github:
http://github.com/tkipf/gcn
Kipf & Welling, Semi-Supervised Classification with Graph Convolutional Networks, ICLR 2017:
https://arxiv.org/abs/1609.02907
Kipf & Welling, Variational Graph Auto-Encoders, NIPS BDL Workshop, 2016: https://arxiv.org/abs/1611.07308
深度学习100例|第52天-图卷积神经网络（gcn）：实现论文分类
深度学习与图神经网络核心技术实践应用高级研修班-day3图神经网络（gnn）(代码片段)
...2图神经网络的思想和工作原理1.3图神经网络的应用场景2.图卷积神经网络2.1图卷积神经网络的定义2.2图卷积神经网络的卷积方式2.3卷积神经网络与图卷积神经网络的区别2.4图卷积神经网络的卷积方式2.5图卷积神经网络的原理与理... 查看详情
深度学习100例|第52天-图卷积神经网络（gcn）：实现论文分类(代码片段)
文章目录一、GCN是什么二、数据集-CoraDataset1.数据集介绍2.准备数据三、划分训练集、测试集和验证集四、模型训练1.Loss计算2.训练模型3.结果可视化五、同系列作品🚀我的环境：语言环境：Python3.6.5编译器：jupytern... 查看详情
graphanomalydetectionwithdeeplearning——图检测
图检测传统非深度的图异常检测方法基于深度神经网络的图异常检测方法基于图卷积神经网络的图异常检测方法基于网络表示的图异常检测论文：AComprehensiveSurveyonGraphAnomalyDetectionwithDeepLearning论文地址：https://arxiv.org/abs/21... 查看详情
graphanomalydetectionwithdeeplearning——图检测
图检测传统非深度的图异常检测方法基于深度神经网络的图异常检测方法基于图卷积神经网络的图异常检测方法基于网络表示的图异常检测论文：AComprehensiveSurveyonGraphAnomalyDetectionwithDeepLearning论文地址：https://arxiv.org/abs/21... 查看详情
深入浅出图神经网络|gnn原理解析☄学习笔记图信号处理与图卷积神经网络(代码片段)
...网络|GNN原理解析☄学习笔记（五）图信号处理与图卷积神经网络文章目录深入浅出图神经网络|GNN原理解析☄学习笔记（五）图信号处理与图卷积神经网络矩阵乘法的三种形式图信号与图的拉普拉斯矩阵图傅里叶... 查看详情
网络特征处理基于图神经网络
目录图神经网络处理网络特征图论图卷积网络GCN图神经网络的应用图神经网络处理网络特征图卷积网络GCN图注意力网络GAN图自编码器GA图生成网络图时空网络GSN图论我记得运筹学课本有一章节是讲过图论的。G=(V,E),V是土中节点的... 查看详情
从图(graph)到图卷积(graphconvolution)：漫谈图神经网络模型
...谈图神经网络模型(三)在上一篇博客中，我们简单介绍了基于循环图神经网络的两种重要模型，在本篇中，我们将着大量笔墨介 查看详情
图卷积神经网络gcn的一些理解以及dgl代码实例的一些讲解(代码片段)
...f0c;因此，图神经网络的学习也是必不可少的。GCNGCN是图卷积神经网络， 查看详情
译：localspectralgraphconvolutionforpointsetfeaturelearning-用于点集特征学习的局部谱图卷积
标题：LocalSpectralGraphConvolutionforPointSetFeatureLearning作者：ChuWang,BabakSamari,KaleemSiddiqi译者：ElliottZheng来源：ECCV2018Abstract点云的特征学习已经显示出巨大的希望，引入了有效且可推广的深度学习框架，例如pointnet++。然而，到目前为止... 查看详情
用于交通预测的时空交互动态图卷积网络
...间随着时间演变而产生的隐藏动态关联。我们提出了一种基于神经网络的时空交互动态图卷积网络(STIDGCN)来解决上述交通预测 查看详情
图卷积网络gcn
GCNCNN中的卷积本质上就是共享参数的过滤器，可以较为有效地提取空间特征而很多其他的研究中还有很多非欧拉结构的数据1.CNN无法处理非欧拉结构的数据，传统的离散卷积在NonEuclideanStructure的数据上无法保持平移不变性... 查看详情
gcn图卷积网络入门详解
...们希望图能够自己学习"特征工程"。(图片来自[1])论文：基于图神经网络的半监督分类（2017）[3]GCN是一种卷积神经网络，它可以直接在图上工作，并利用图的结构信息。它解决的是对图（如引文网络）中的节点（如文档） 查看详情
带你换个角度理解图卷积网络
摘要：本文带大家从另一个角度来理解和认识图卷积网络的概念。本文分享自华为云社区《技术综述十二：图网络的基本概念》，原文作者：一笑倾城。基础概念笔者认为，图的核心思想是学习一个函数映射f(... 查看详情
从图(graph)到图卷积(graphconvolution)：漫谈图神经网络模型(代码片段)
...于图神经网络的系列文章，文章目录如下：从图(Graph)到图卷积(GraphConvolution)：漫谈图神经网络模型(一)从图(Graph)到图卷积(GraphConvolution)：漫谈图神经网络模型(二)从图(Graph)到图卷积(GraphConvolution)：漫谈图神经网络模型(三)笔者最... 查看详情
论文盘点：基于图卷积gnn的多目标跟踪算法解析
论文盘点：基于图卷积GNN的多目标跟踪算法解析Source:PaperWeekly [1]JiangX,LiP,LiY,etal.GraphNeuralBasedEnd-to-endDataAssociationFrameworkforOnlineMultiple-ObjectTracking[J].arXivpreprintarXiv:1907.05315,2019.&nb 查看详情
腾讯技术工程|腾讯ailab11篇论文精选：图像描述nmt模型图卷积神经网络等
...计算成本的预测表现、NMT模型中的特定翻译问题、自适应图卷积神经网络、DNN面对对抗样本的优化问题等，本文精选了11篇论文的精彩内容。（本文转自公众号新智元）1.学习用于图像描述的引导解码（LearningtoGuideDecodingforImageCapt... 查看详情
graphattentionnetworks论文/gat学习笔记
背景目标：适用不同结构的图的模型图卷积基于谱的方法：这些方法学习得到的filters基于拉普拉斯特征基，而拉普拉斯特征基又基于图结构，所以在特定结构上训练的模型不能直接应用到具有不同结构的图。代表... 查看详情