GCN之通过numpy添加自环与特征归一化
发布时间
阅读量：
阅读量
GCN作为一种能够直接处理图结构数据并有效提取其拓扑特征的深度学习模型，展现出卓越的性能。
即便采用随机初始化方式构建的两层GCN架构，依然能够为图中的各个节点生成具有实际意义的特征表示。
借助numpy工具实现一个具备方向性的邻接矩阵：
import numpy as np
A = np.matrix([
[0, 1, 0, 0],
[0, 0, 1, 1],
[0, 1, 0, 0],
[1, 0, 1, 0]],
dtype = float)
AI写代码python
运行接下来是特征提取环节。针对每个节点的索引，生成两个整数形式的特征，此举旨在为后续计算提供便利，而具体的特征内容则依据实际任务需求进行确定。
X = np.matrix([[i, -i] for i in range(A.shape[0])], dtype=float)
#X:
#[[0. 0.]
#[1. -1.]
#[2. -2.]
#[3. -3.]]
AI写代码p全部评论 (0)
还没有任何评论哟~