1. 首页首页
  2. 科技前沿科技前沿

2025年图神经网络（GNNs）综述

科技前沿 • • 阅读 40

图神经网络（GNNs）综述此博文是论文 A Comprehensiv Survey on Graph Neural Networks 的阅读笔记 原文 https ieeexplore ieee org abstract document 参考 https www jianshu com p 77dd838e2b91 图神经网络 graph neural networks

大家好，我是讯享网，很高兴认识大家。

此博文是论文《A Comprehensive Survey on Graph Neural Networks》的阅读笔记。

原文：https://ieeexplore.ieee.org/abstract/document/

参考：https://www.jianshu.com/p/77dd838e2b91


讯享网

图神经网络（graph neural networks， GNNs）是为了解决传统机器学习只能处理欧几里得空间的数据的问题而产生的用于图（gragh)数据的神经网络。目前现有的GNN可分为四类：递归图神经网络，卷积图神经网络，图自动编码器和考虑时间因素的图神经网络。

目录

    • 一、简介
      • 1. 分类
      • 2. GNN框架
    • 二、递归图神经网络
        • 1. GNN*
        • 2. 门控GNN(GGNN)
        • 3.随机稳态嵌入（SSE）
    • 三、卷积图神经网络
      • A. 基于频谱的卷积图神经网络（Spectral-Based ConvGNNs）
        • 1. 谱卷积神经网络（Spectral CNN）
        • 2. 切比雪夫谱卷积神经网络（ChebNet）
        • 3. CayleyNet：使用凯利多样式
        • 4. 图卷积网络（GCN）
        • 5. 自适应卷积图神经网络(AGCN)
        • 6. 双卷积图神经网络（DGCN）
      • B. 基于空间的卷积图神经网络（Spatial-Based ConvGNNs）
        • 1. NN4G (neurla network for graph)
        • 2. CGMM (Contextual Graph Markov model)
        • 3. DCNN (Diffusion CNN)
        • 4. DGC
        • 5. PGG-DGGNN
        • 6. PGC (Partition graph convolution)
        • 7. MPNN (message-passing neural network)
        • 8. GIN ( Graph isomorphism network)
        • 9. GraphSage
        • 10. 图注意力网络（GAT ，Grapg Attention Network)
        • 11. GAAN (Gated attention network)
        • 12. GeniePath
        • 13. MoNet (Mixture model network)
        • 14. PATCHY-SAN
        • 15. LGCN (Large-scale GCN)
      • C. 频谱模型与空间模型之间的比较
    • 四、图自动编码器
    • 五、考虑时间因素的图神经网络
小讯
上一篇 2025-02-07 19:47
下一篇 2025-02-20 09:36

相关推荐

版权声明：本文内容由互联网用户自发贡献，该文观点仅代表作者本人。本站仅提供信息存储空间服务，不拥有所有权，不承担相关法律责任。如发现本站有涉嫌侵权/违法违规的内容，请联系我们，一经查实，本站将立刻删除。
如需转载请保留出处：https://51itzy.com/kjqy/126273.html