图卷积神经网络 | Python实现基于GCN-GRU图卷积门控循环单元网络模型

图卷积神经网络 | Python实现基于GCN-GRU图卷积门控循环单元网络模型

目录

    • 图卷积神经网络 | Python实现基于GCN-GRU图卷积门控循环单元网络模型
      • 效果分析
      • 基本描述
      • 模型结构
      • 程序实现
      • 参考资料

效果分析

图卷积神经网络 | Python实现基于GCN-GRU图卷积门控循环单元网络模型_第1张图片
图卷积神经网络 | Python实现基于GCN-GRU图卷积门控循环单元网络模型_第2张图片图卷积神经网络 | Python实现基于GCN-GRU图卷积门控循环单元网络模型_第3张图片

基本描述

GCN-GRU 模型是用于动态网络数据中动态不确定意见预测的端到端可训练深度学习模型。

模型结构

GNN 模型主要研究图节点的表示(Graph Embedding),图边结构预测任务和图的分类问题。
GCN模型具备深度学习的三种性质:

你可能感兴趣的:(图与网络分析,深度学习算法,数据分析应用,GCN-GRU,图卷积门控循环单元,GCN,GRU,图卷积神经网络)