相关阅读
相关 GNN-图卷积模型-归纳式-2017：GraphSAGE【消息传递（前向传播）：聚合+更新】【聚合函数：lstm/pool】【训练更新函数参数】【不全图卷积，每次采样一批节点来卷积训练】【同质图】
一、概述 ![在这里插入图片描述][watermark_type_ZHJvaWRzYW5zZmFsbGJhY2s_shadow_50_text_Q1NETiBA5b-N6
末蓝、相关 GNN-图卷积模型-2015：GGNN【消息传递（前向传播）：聚合函数+更新函数】【更新函数：GRU】【训练更新函数的参数】
![在这里插入图片描述][watermark_type_ZHJvaWRzYW5zZmFsbGJhY2s_shadow_50_text_Q1NETiBA5b-N6ICF44Gu5
太过爱你忘了你带给我的痛相关 GNN-图卷积模型-2017：MPNN（消息传递神经网络）【消息传递（前向传播）：聚合函数(消息传递)+更新函数(状态更新)】【图卷积模型统一框架】
《原始论文：Neural Message Passing for Quantum Chemistry》 ![在这里插入图片描述][watermark_type_ZHJvaWR
相关 GNN-图卷积模型-直推式&归纳式-2017：GAT【消息传递（前向传播）：聚合函数+更新函数】【聚合函数：attention（邻域所有节点根据注意力机制进行加权）】【训练更新函数的参数】【同质图】
一、概述 Graph数据结构的两种特征： 当我们提到Graph或者网络的时候，通常是包含顶点和边的关系，那么我们的研究目标就聚焦在顶点之上。而除了结构之外，每个顶点还
相关 GNN-2008：Original GNN【消息传递（前向传播）：聚合函数+更新函数+输出函数】【核心：不动点理论】【梯度优化：用Almeida-Pineda算法，而不是用BPTT(反向传播)算法】
[《原始论文：A new model for learning in graph domains-2005》][A new model for learning in grap
相关 前向传播、反向传播(后向传播)、梯度下降、导数、链式法则
![20191009191333910.png][][日萌社][Link 1] [人工智能AI：Keras PyTorch MXNet TensorFlow Paddle
相关 反向传播之梯度更新
关于梯度的概念 梯度是微积分中一个很重要的概念，之前提到过梯度的意义 在单变量的函数中，梯度其实就是函数的微分，代表着函数在某个给定点的切线的斜率 在
我会带着你远行相关 前向传播算法(Forward propagation)与反向传播算法(Back propagation)以及sigmoid函数介绍
前向传播算法(Forward propagation)与反向传播算法(Back propagation)以及sigmoid函数介绍 虽然学深度学习有一段时间了，但是对于一些
￡神魔★判官ぃ相关 神经网络和反向传播算法——反向传播算法本质上是随机梯度下降，链式求导法则而来的...
原文：https://www.zybuluo.com/hanbingtao/note/476663 写得非常好，适合入门！ 神经元 神经元和感知器本质上是一样的，只不
还没有评论，来说两句吧...