HyperGCN: 超图神经网络
基于超图的半监督学习超图上的卷积：超图上的拉普拉斯：对于每一条超边eee，可以弹出一对顶点(ie,je)=argmaxi,j∈e∣Si−Sj∣(i_{e},j_{e})=argmax_{i,j\in e}|S_{i}-S_{j}|(ie,je)=argmaxi,j∈e∣Si−Sj∣然后正则化Laplacian计算为：L=(I−D−12ASD−12)S\mathbb{L}=(I-D^{-\
基于超图的半监督学习
超图上的卷积：
超图上的拉普拉斯：
对于每一条超边
e
e
e，可以弹出一对顶点
(
i
e
,
j
e
)
=
a
r
g
m
a
x
i
,
j
∈
e
∣
S
i
−
S
j
∣
(i_{e},j_{e})=argmax_{i,j\in e}|S_{i}-S_{j}|
(ie,je)=argmaxi,j∈e∣Si−Sj∣
然后正则化Laplacian计算为：
L
=
(
I
−
D
−
1
2
A
S
D
−
1
2
)
S
\mathbb{L}=(I-D^{-\frac{1}{2}}A_{S}D^{-\frac{1}{2}})S
L=(I−D−21ASD−21)S.
交叉熵损失函数：
腾讯云面向开发者汇聚海量精品云计算使用和开发经验，营造开放的云计算技术生态圈。
更多推荐
1
0- 0
已为社区贡献3条内容
所有评论(0)