第一步:从前一个隐藏层到后一个隐藏层,对结点进行特征变换

 

GCN(Graph Convolutional Network)的简单公式推导

 

第二步:对第一步进行具体实现

GCN(Graph Convolutional Network)的简单公式推导

第三步:对邻接矩阵进行归一化(行之和为1)

GCN(Graph Convolutional Network)的简单公式推导

 

邻接矩阵A的归一化,可以通过度矩阵D来实现(即通过D^-1*A来实现对A的归一化)。

 在实践中,使用对称归一化更加有效和有趣。变成下式:

 

GCN(Graph Convolutional Network)的简单公式推导

第四步:加入自循环(每个结点从自身出发,又指向自己)

GCN(Graph Convolutional Network)的简单公式推导

实际上,就是把邻接矩阵对角线上的数,全部由0变为1.

 

第五步:考虑每个结点与邻结点的关系(一般进行求和运算)

GCN(Graph Convolutional Network)的简单公式推导

 

 第六步:公式简化

 将归一化运算简化一下:

GCN(Graph Convolutional Network)的简单公式推导

则原式可以变为:

GCN(Graph Convolutional Network)的简单公式推导

 即最终的GCN公式:

GCN(Graph Convolutional Network)的简单公式推导

 

 如果省略掉截距,用h来表示每个结点的特征,则公式为:

 

 GCN(Graph Convolutional Network)的简单公式推导

 

相关文章:

  • 2021-08-10
  • 2021-04-25
  • 2021-10-19
  • 2022-03-03
  • 2021-09-09
  • 2021-12-21
猜你喜欢
  • 2021-11-29
  • 2021-12-27
  • 2022-01-13
  • 2021-11-30
  • 2022-12-23
  • 2021-06-16
相关资源
相似解决方案