一、GNN应用领域
芯片设计
场景分析与问题推理
道路交通,动态流量预测
知识图谱
化学医疗等场景
物理模型相关
二、图的基本组成
利用神经网络的目的就是整合特征
图的邻接矩阵
每个像素点周围都有邻居
GAN中数据格式不固定,例如社交网络中人物关系、分子相关
三、邻接矩阵
更新点的特征:
多层GNN:
- GNN可以有多层,增大感受野
- GNN的本质就是更新各部分特征
- 其中输入是特征,输出也是特征,邻接矩阵也不会变
芯片设计
场景分析与问题推理
道路交通,动态流量预测
知识图谱
化学医疗等场景
物理模型相关
利用神经网络的目的就是整合特征
图的邻接矩阵
每个像素点周围都有邻居
GAN中数据格式不固定,例如社交网络中人物关系、分子相关
更新点的特征:
多层GNN:
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。如若转载,请注明出处:http://www.coloradmin.cn/o/2048644.html
如若内容造成侵权/违法违规/事实不符,请联系多彩编程网进行投诉反馈,一经查实,立即删除!