网络上的CNN-图卷积网络模型

本课程主要讲解图卷积神经网络(GCN),GCN是针对不规则图(图像可以看作是规则的二维网格)的一种卷积神经网络的技术,可以用来进行图上信号的识别和预测。(课时:33 分钟)

复杂网络 深度学习 图卷积

讲师:   辛茹月

课程资料

  • 讲稿下载:(报名后可见)

课程背景

所谓的图卷积神经网络是针对不规则图(图像可以看作是规则的二维网格)的一种卷积神经网络的技术,可以用来进行图上信号的识别和预测。本课程将着重介绍图卷积神经网络这种技术,以及它的可能应用。

课程目的

学完本课程,你能做到

  • 了解如何使用图卷积网络处理不规则数据,它的原理是什么,构架是怎样的,以及能够取得怎样的效果

课程详情

本课程的主要内容有:

  • 为什么要用图卷积网络

  • 图卷积网络的应用介绍

  • 图卷积网络与普通卷积网络的区别

    • 针对图的粗粒化过程

    • 针对图的pooling操作

    • 图卷积网络的输入信号

    • 图卷积网络的卷积核:图的傅里叶变换

  • 实验:图卷积网络在 MNIST 上的应用

  • 实验:图卷积在半监督分类下的应用