GCN初探
CNN能在規則結構數據上取得驚人成績歸功於規則結構數據的平移不變性，因此CNN利用參數共享完成規則數據的特徵抽取，這裏的規則數據有如圖片等數據。 但圖結構數據不具備結構規則性，CNN因此失效了，圖數據上的節點受到周邊乃至更遠節點的影響，因此我們需要一種方法能夠考慮節點以及它所相關的節點相互影響的模型來完成節點特徵抽取。 GCN和CNN一樣，可以理解爲一種特徵提取器，GCN可以完成節點分類，圖分類，
相關文章
- 1. 圖卷積網絡初探【GCN】
- 2. GCN
- 3. Graph-GCN
- 4. GCN批訓練的問題-GCN Batch operations
- 5. IP、UDP初探
- 6. GPUImage 初探
- 7. superset 初探
- 8. Java JNI初探
- 9. redux-saga初探
- 10. gRPC初探
- 更多相關文章...
- • 探索Redis事務回滾 - Redis教程
- • 使用TCP協議檢測防火牆 - TCP/IP教程
- • 適用於PHP初學者的學習線路和建議
- • Java Agent入門實戰（一）-Instrumentation介紹與使用
相關標籤/搜索
每日一句
-
每一个你不满意的现在，都有一个你没有努力的曾经。
歡迎關注本站公眾號,獲取更多信息
相關文章
- 1. 圖卷積網絡初探【GCN】
- 2. GCN
- 3. Graph-GCN
- 4. GCN批訓練的問題-GCN Batch operations
- 5. IP、UDP初探
- 6. GPUImage 初探
- 7. superset 初探
- 8. Java JNI初探
- 9. redux-saga初探
- 10. gRPC初探