邻接矩阵对称归一化的作用

邻接矩阵对称归一化的作用是将邻接矩阵进行归一化处理，使得每一行（或每一列）的和都等于1，同时保持矩阵的对称性。这样做的主要目的是为了解决在使用邻接矩阵进行图神经网络训练时出现的两个问题：度数偏差和梯度消失。

度数偏差指的是一些节点的度数较大，而另一些节点的度数较小。在使用未经过归一化的邻接矩阵进行训练时，节点的度数会对模型的训练产生影响，使得度数较大的节点对应的特征在模型中占比较大，而度数较小的节点对应的特征占比较小，这会导致模型的偏差。

梯度消失是指在使用反向传播算法进行训练时，梯度可能会随着层数的增加而变得非常小，导致模型难以更新。对于未归一化的邻接矩阵，梯度消失的问题尤为明显，因为在矩阵中存在一些非常大的元素和非常小的元素，这会导致梯度计算时存在数值不稳定性。

通过对邻接矩阵进行对称归一化，可以有效地解决这两个问题，使得每个节点在模型中的影响力更加均衡，同时减少梯度消失的问题，从而提高模型的性能。