图神经网络|8.2 图卷积的计算基本方法
发布时间:2024年01月07日

不同于一般的神经网络,网络层数的并不用特别多。
原因是只需要少数次数迭代后(当迭代次数为图上的直径?任意两点最短距离的最大值?),某节点便可获取得到图上所有的节点。
通俗的理解是,在社会中,只需要认识几个人,便可通过裙带关系认识到社会中的大多数人。

特征矩阵第i行j列表示的元素表示对第j种属性来说第i个点所配备的权重。
而邻接矩阵的第i行第j列,表示第i个点是否受第j个点的影响。
文章来源:https://blog.csdn.net/Fangyechy/article/details/135438241
本文来自互联网用户投稿,该文观点仅代表作者本人,不代表本站立场。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。
如若内容造成侵权/违法违规/事实不符,请联系我的编程经验分享网邮箱:chenni525@qq.com进行投诉反馈,一经查实,立即删除!