GNN的学习
学习资料
通俗易懂的解释 1
通俗易懂的解释 2
通俗易懂的解释 3
利用gnn可以得到节点最正确的特征，然后利用这些特征做分类或者关联预测
基础定义--涵盖所有的重要细节
聚合的计算 （单层图卷积层）
邻接矩阵和节点特征向量相乘
可以表示为AXW。其中A可以理解为邻居的重要性矩阵，W可以理解为对每个特征向量的筛选矩阵
多层图卷积堆叠
layer1，layer2，layer3每传递一次，一个节点拥有更多相邻节点的信息
信息传递
permutation invariant
Read out
CNN神经网络的组成
图卷积层+池化层+全连接层
gnn的多分类任务：池化层
gnn的分类
graph-level,node-level,edge-level
算法的分类
STFL与其他方法有什么不同？
Maker与其他方法有什么不同？