#####好好好#####論文分享 | Learning Aligned-Spatial GCNs for Graph Classification

目前大部分GCN方法可以被歸爲兩類：Spectral（基於頻域）卷積和 Spatial（基於空域）卷積。前者主要基於 Spectral Graph Theory 將圖信號變換到譜域與濾波器係數進行相乘再做逆變換[1][2]，這種方法處理的圖結構常常是固定大小的（節點個數固定）並且主要解決的是節點分類問題。然而現實中圖數據的大小往往不固定，例如生物信息數據中的蛋白質結構、社交網絡中的用戶關係等，基於

>>阅读原文<<