《深入浅出图神经网络》笔记

GCN 及其变种

图网络 主要是处理图信息 ，相比其他数据结构的数据，图网络考虑了节点之间的连接关系，因此具备更加丰富的信息。

相比于CNN ,介绍了大量图的卷积操作，图的时域与空域的变换，主要借助拉普拉斯矩阵分解，频率为拉普拉斯矩阵的特征值，特征向量为基函数。图的卷积变换 可以变为频域上面的乘积。
图滤波 与图卷积的操作一致，图滤波器为图上的特征提取器。

图神经网络 wx 使用的是 特征变换 Lw*x 考虑图结构信息。

对w 和L 进行学习，参数量巨大，因此GCN 做成了固定的滤波器，引发的问题是GCN 必须是全图训练，无法使用batch 训练的行驶时。 SAG 通过聚合邻居（邻居采样）的形式，取代了拉普拉斯矩阵的使用，因此也可以使用batch 训练模型。