从GNN到GCN再到GAT

标签：class   设定   hat   att   sigma   inline   multi   邻居   head   

GNN：权重依靠认为设定或学习得到
GCN：依赖于图结构决定更新权重。\(H^{(l+1)}=\sigma{(\hat{D}^{-\frac{1}{2}} \hat{A}\hat{D}^{-\frac{1}{2}} H^{(l)} W^{(l)})}\)
GAT：GAT是对于GCN在邻居权重分配问题上的改进。注意力通过Multi-head Attention 进行学习，相比于GCN的更新权重纯粹依赖于图结构更具有合理性。

从GNN到GCN再到GAT

标签：class   设定   hat   att   sigma   inline   multi   邻居   head   

原文地址：https://www.cnblogs.com/popodynasty/p/14389701.html