10.6 图卷积模型的缺陷
10.6.1 全连接网络的特征与缺陷(Page327)
10.6.2 图卷积模型的缺陷(Page328)
10.6.3 弥补图卷积模型缺陷的方法(Page328)
10.6.4 从图结构角度理解图卷积原理及缺陷(Page328)
10.7 实例29: 用简化图卷积模型实现论文分类(Page329)
10.7.1 SGC的网络结构(Page330)
10.7.2 DGL库中SGC模型的实现方式(Page331, 332)
10.7.3 代码实现:搭建SGC模型并经训练(Page333)
10.7.4 扩展:SGC模型的不足(Page334)
10.8 实例30:用图滤波神经网络模型实现论文分类
10.8.1 GfNN的结构(Page334)
10.8.2 代码实现:搭建GfNN模型并进行训练(Page335, 336)
10.9 实例31:用深度图互信息模型实现论文分类
10.9.1 DGI模型的原理与READOUT函数(Page337)
10.9.2 代码实现: 搭建多层SGC网络(Page338)
10.9.3 代码实现: 搭建编码器和判别器(Page339)
10.9.4 代码实现: 搭建DGI模型并进行论文分类(Page340, 341)
10.9.5 代码实现:利用DGI模型提取特征并进行分类(Page342)
10.10 实例32: 用图同构网络模型实现论文分类
10.10.1 多重集与单射(Page344)
10.10.2 GIN模型的原理与实现(Page344, 345)
10.10..3 代码实现:搭建多层GIN模型并进行训练(Page346)
10.11 实例33:用APPNP模型实现论文分类
10.11.1 APPNP模型的原理与实现(Page347, 348)
10.11.2 代码实现:搭建APPNP模型并经训练(Page 349, 350)
10.12 实例34:用JKNet模型实现论文分类
10.12.1 JKNet模型的原理与实现(Page351)
10.12.2 代码实现:修改图数据的预处理部分(Page352)
10.12..3 代码实现:搭建JKNet模型并进行训练(
Page352, 353, 354)
10.13 总结(Page355) |