从上面的推导中可以看到原本的卷积运算，在图上的公式就是
其中表示的是
的特征矩阵，但是很容易知道的就是对于很多矩阵，进行特征分解是很困难的，所以这一种表示方法会导致计算十分复杂，因此有人采用了切比雪夫多项式来进行近似。
切比雪夫多项式：
Chebyshev
而对于图卷积核，可以将其重写为：
然后将新的卷积核式子带入卷积公式中，可以得到：
同时对于究竟展开到几阶多项式（K=?），可以有这样地一种物理解释：
对于一个拉普拉斯矩阵可以认为它描述了中心点地1-阶邻居，即一条边可达地邻居，当两个拉普拉斯矩阵相乘地时候就像是将邻域进行了扩张，因此选择K-阶的展开式也就相当于是选择了K阶的邻居。
Convolution:「1」 Spatial Convolution「2」 Spectral Convoluti...
从上面的推导中可以看到原本的卷积运算，在图上的公式就是 其中表示的是的特征矩阵，但是很容易知道的就是对于很多矩阵，...
Graph Convolutional Network（GCN）微信公众号文章 Graph Convolution...
Semi-Supervised Hierarchical Recurrent Graph Neural Netwo...
论文： 论文题目： 《Decoupled Graph Convolution Network for Inferr...
paper: MMGCN: Multi-modal Graph Convolution Network for P...
本文主要复述论文["Modeling Relational Data with Graph Convolution...
Huang L, Ma D, Li S, et al. Text Level Graph Neural Netwo...
注：内容非原创，仅作翻译原文链接：http://tkipf.github.io/graph-convolution...
【今日主题】 以太坊白皮书 Spectral Graph Theory 【以太坊白皮书】 use EVM code...
本文标题：Spectral Graph Convolution Netwo
本文链接：https://www.haomeiwen.com/subject/xmazyctx.html
网友评论