图神经网路
十分推荐英文版的:[图神经网络解析](A Gentle Introduction to Graph Neural Networks (distill.pub))
V:
E:
U:
我们知道存在很多网络:社交网络,鸟群网络,但是图片和文字依然可以通过网络构成。
图片:
将图片的位置转成一列,然后分成相同的横纵坐标,对于连接的横纵坐标进行标记。
文字:
同样的方式横纵坐标都进行标记。
图 | 神 | 经 | 网 | 络 | |
---|---|---|---|---|---|
图 | * | ||||
神 | * | ||||
经 | * | ||||
网 | * | ||||
络 |
图神经网络
训练
- 在传统的神经网络中更新的神经元,与神经元上面的权重。图神经网络更新的是边上的权重,更新方式为较简单的多层感知机。
- 点之间也包含信息,它也需要进行更新,更新的过程是通过对其所连接边的池化来更新。图中右上角点的池化表示。![[pooling.png]]
预测:
- 如果我们仅仅有边的信息,而需要预测点的信息,我们可以将关于变得信息转化为点的信息路由到预测点处。
- 同时如果仅仅有点的信息,而需要预测边的信息,预测模型如下:
- 预测全局信息,我们需要将所有的节点信息进行聚合后得出结果。
通用
那么我们自然而然结合我们了解的深度学习的内容,可以对其进行网络更改,如下图,我们可以更改变换的多层感知机网络,将其换成RNN最后的分类我们使用其他的激活函数等
这就是图神经网络。
图神经网路
http://example.com/2023/12/11/图神经网路/