图与网络分析 | Python实现基于GNN图神经网络和CNN卷积神经网络模型的数据预测分析

图与网络分析 | Python实现基于GNN图神经网络和CNN卷积神经网络模型的数据预测分析

目录

    • 图与网络分析 | Python实现基于GNN图神经网络和CNN卷积神经网络模型的数据预测分析
      • 效果分析
      • 基本描述
      • 程序实现
      • 参考资料

效果分析

图与网络分析 | Python实现基于GNN图神经网络和CNN卷积神经网络模型的数据预测分析_第1张图片
图与网络分析 | Python实现基于GNN图神经网络和CNN卷积神经网络模型的数据预测分析_第2张图片

基本描述

CNN的核心特点在于:局部连接(local connection),权重共享(shared weights)和多层叠加(multi-layer)这些同样在图问题中非常试用,因为图结构是最典型的局部连接结构,其次,共享权重可以减少计算量,另外,多层结构是处理分级模式(hierarchical patterns)的关键。图(graph)是一种数据结构,常⻅的图结构包含节点(node)和边(edge),GNN是深度学习在图结构上的一个分支。GNN是一种连接模型,通过网络中节点之间的信息传递的方式来获取图中的依存关系

你可能感兴趣的:(图与网络分析,深度学习算法,模式分类识别(Python),GNN,图神经网络,卷积神经网络,CNN,数据预测分析)