台大2020课程-GNN(Graph Nerual Network)课程笔记

课程链接:

https://www.bilibili.com/video/BV1G54y1971S?from=search&seid=5084415522145555976

笔记

!Notes：空间域使用较多的是GAT，谱域使用较多的是GCN

！Notes：这里上面的四张图像表示的是四组graph spectral域的基同时由下面的分析可以知道$\lambda$λ越大，对应相邻节点的信息变化也就越大，说明频率越高。

总结

我觉得课程将结合信号中的卷积和滤波概念，将GCN的公式是怎么一步步推导出来的讲述的比较清晰，之前看深入浅出图神经网络上直接告诉我们graph spectral上的信号$\hat{x} = U^Tx$x^=UTx,并没有解释这个过程，同时也给出了一些spatial model 的Aggregation和readout的做法，还有最后实验上的一些说明。