机器学习 图神经网络 名词解释

卷积神经网络CNN-Convolutional  Neural Networks

　　卷积层：识别特定线条，卷积核与图像特定部分卷积，识别出横线、竖线、斜线。

　　　　    　卷积核在图像矩阵上进行运算，每次移动的距离称为步长。得到的新矩阵反应了图像的部分特征（横线、竖线）

　　　　　　称为特征图feature map

　　池化层：渐小数据量 提升效率。

　　全连接层：判断、识别，拿池化层的小数据量图像展开为一维数据，并进行比较。

 

基于消息传递的图神经网络GNN

　　图像每个像素点看成顶点，与周围的像素有边相连；文本是由单词穿成的序列，每个词有一条有向边指向下一个单词。

　　三类问题：图层面、顶点层面、边层面。做三个MLP。

　　不改变对成型和连接性。

　　最简单版本：对于边V、顶点E、全局U向量分别构造MLP，只做一层，得到每个顶点的向量后即可做出预测。也可从V、E、U三者中

　　　　　　       取其二对剩下一个做出预测。 即：情况一，做预测分类，就添加输出层；情况二：做缺失信息判别(预测)就添加汇聚层。

　　引入消息传递机制：对某个顶点做预测时，将相邻的顶点向量简单相加？类比图像素点的卷积。如果做缺失属性的预测，则可从别的

　　　　　　　　　　　角度“汇聚”信息过来(边到点，点到边)，

 

图注意力网络

 

循环神经网络RNN

　　在神经网络的基础上加上了记录网络状态的“盒子”，重视顺序的训练