图卷积（1）——从欧式空间到非欧式空间

最新推荐文章于 2025-05-21 17:07:22 发布

maplezys

最新推荐文章于 2025-05-21 17:07:22 发布

阅读量3.7k

点赞数 5

CC 4.0 BY-SA版权

分类专栏：笔记（杂）

本文链接：https://blog.csdn.net/qq_41006629/article/details/109319107

图卷积（1）——从欧式空间到非欧式空间

普通卷积神经网络

多维欧式空间
局部空间响应
卷积参数共享

活性卷积

一般卷积神经网络处理的数据都是规则排序，输入维度固定的，比如语音序列、图像像素或者视频帧，每一次卷积都是对每个处在规则空间内的数据进行聚合，并且聚合时的参数（卷积核）是一样的。当处于欧式空间内的数据发生了一些偏移，则可以采用活性卷积。

双线性插值法

采用双线性插值法，在离散坐标下，通过插值方法计算得到连续位置的像素值。 $\alpha$ 和 $\beta$

最低0.47元/天解锁文章

200万优质内容无限畅学

确定要放弃本次机会？

福利倒计时

: :

立减 ¥

普通VIP年卡可用

立即使用

maplezys

关注关注

5
点赞
踩
6

收藏

觉得还不错? 一键收藏
0
评论
分享

复制链接

分享到 QQ

分享到新浪微博

扫一扫
举报

举报

专栏目录

图卷积神经网络笔记——第一章：系统性地介绍，卷积为什么要从欧式空间转到非欧式空间

Ma Sizhou

05-06

6860

目录一、人工神经网络发展浪潮二、卷积计算与神经网络结构1.卷积定理2.基本概念——卷积3.基本概念——池化、全连接4.多层神经网络5.现代卷积神经网络结构基础 —— LeNet 一、人工神经网络发展浪潮 ImageNet2012年竞赛上，采用了最新的卷积神经网络，误差一下子降低了10个点，从此卷积神经网络迎来浪潮，如VGGNet，InceptionNet，残差网络ResNet等。二、卷积计...

图卷积网络学习笔记——基本概念

飞鸟拥抱鱼的博客

04-07

3295

图卷积网络学习笔记——基本概念本文是基于个人理解对图卷积网络的学习笔记整理，每天进行更新，有问题请大家指出，谢谢。有作者已经给出较为详细的整理：Ma Sizhou 文章目录图卷积网络学习笔记——基本概念一、图卷积的由来二、图卷积的分类三、谱域图卷积的基础知识1.谱域图卷积实现思路2.拉普拉斯矩阵一、图卷积的由来近年来，卷积神经网络快速发展，并借由强大的建模能力引起广泛关注。但是，传统的卷积神经网络只能处理欧式空间数据（如图像、文本和语音），这些领域的数据具有平移不变性。但是对于非欧式空间数

参与评论您还未登录，请先登录后发表或查看评论

欧几里德结构数据与非欧几里德结构数据

01-06

数据分类总的来说，数据类型可以分为两大类：欧几里德结构数据(Euclidean Structure Data) 非欧几里德结构数据(Non-Euclidean Structure Data) 所谓的欧几里德数据指的是类似于grids, sequences… 这样的数据，例如图像就可以看作是2D的grid数据，语音信号就可以看作是1D的grid数据。但是现实的处理问题当中还存在大量的 Non-Euclidean Data，如社交多媒体网络（Social Network）数据，化学成分（Chemical Compound）结构数据，生物基因蛋白（Protein）数据以及知识图谱（Knowl

非欧空间计算加速：图神经网络与微分几何计算的GPU优化（流形数据的内存布局优化策略）

最新发布

高效做AI，就上Aladdin! 同学们用得起的H卡算力平台。

05-21

920

在三维形状分析、社交网络建模、分子动力学模拟等领域，非欧几里得空间数据（流形数据）的处理正推动人工智能技术向更复杂的几何结构迈进。传统欧式空间优化方法在处理流形数据时面临根本性局限：黎曼度量导致距离计算失效、局部坐标系动态变化引发内存访问模式混乱、曲率变化影响并行计算效率。本文提出基于分块流形存储（Blocked Manifold Storage, BMS）与层次化张量映射（Hierarchical Tensor Mapping, HTM）的优化方案，在NVIDIA A100上实现：

欧式空间和非欧空间

shuibinziming的博客

09-01

2万+

欧几里得的世界一条直线L和不在L上的点P，经过P点平行于L的线有几条？在欧式空间中，这个问题显然是“只有一条”，然而在非欧空间中，这个问题就不一定了。马鞍形的双曲抛物面，就是一个非欧空间的例子。现实中，非欧空间的例子还很多。下图中，粉色和黄色线都平行于蓝线，且都经过同一点。更重要的是，蓝色和黄色的平行线并非与欧式空间中的平行线一样处处距离相等。非欧空

欧氏空间与非欧氏空间

Bboy_LaiNiao的博客

05-21

1万+

欧氏空间约在公元前300年，古希腊数学家欧几里德建立了角和空间中距离之间联系的法则，现称为欧几里德几何。欧几里德首先开创了处理平面上二维物体的平面几何，接着分析三维物体的立体几何，所有欧几里德的公理已被编排到叫做二维或三维欧几里德空间的抽象数学空间中。这些数学空间可以被扩展而应用于任何有限维度，这种空间叫做n维欧几里德空间（简称n维空间）或有限维实内积空间。简单来说，欧式空间就是二维空间、三维空间以及继承三维空间定理的N维空间。非欧氏空间爱因斯坦曾经形象地比喻过非欧几何：假设有一种生活在二维平面

聚类（clustering）中的欧式空间与非欧式空间

beifanggogogo的博客

03-29

1712

最近在读聚类文章中欧式空间和非欧式空间的概念时，对此多有些疑惑，下面对此概念写出目前的一些理解表示n个样本，每个样本具有m个特征度量，那么矩阵X依据行和列就组成了一个超空间。它比二维、三维的维度更广。根据现在的理解，基于矩阵分解的聚类在原始数据维度X进行的度量，例如角度、距离等由二维、三维空间拓展过去的概念操作时，可以认为是在欧式空间进行的度量如果我们跳出这个超空间，做一个相似矩阵的构造，例如依据某种相似性度量方法对每个样本之间进行度量，得到以样本为顶点的图,其中V为顶点（代表样本），E为顶点之

欧几里得空间与非欧空间 Euclidean Space And Non-Euclidean Space

热门推荐

zbbmm的博客

11-19

3万+

欧式空间的本质性，是其平面性.

图卷积——笔记

comeo_outh的博客

03-23

388

https://space.bilibili.com/34394939/favlist?fid=note 局部的卷积核学习到局部的特征。卷积核的平移不变性。把欧式定义的卷积迁移到非欧数据上。复杂网络的度为重维分布。卷积是两个函数的数学运算。卷积更基本的原理就是图上的信号处理。谱方法：谱方法是空间方法的子集。在节点域中，不满足平移不变性，因此把图上的信号变为谱域，在谱域实现卷积，再返回节点域。空间方法：仍试图在节点域上直接实现，解决参数共享问题。 图卷积网络的输入输出：谱方法--------

图卷积神经网络——GCN的原理

fatfairyyy的博客

08-10

4203

写在前面参考文章： https://zhuanlan.zhihu.com/p/71200936 GCN是做什么的？在现实生活中，其实有很多很多不规则的数据结构，它们不属于欧式结构（欧式结构的特点就是结构很规则），典型的就是图结构，或称拓扑结构，如社交网络、化学分子结构、知识图谱等等；即使是语言，实际上其内部也是复杂的树形结构，也是一种图结构；而像图片，在做目标识别的时候，我们关注的实际上只是二维图片上的部分关键点，这些点组成的也是一个图的结构。图的结构一般来说是十分不规则的，可以认为是无限维的一种

欧式数据和非欧式数据（待完善）

qq_45770988的博客

07-24

5155

总结：在机器学习和数据分析中，"欧式数据"通常指的是在欧式空间中用向量表示的数据，而"非欧数据"指的是在非欧式空间中表示的数据，比如图数据、文本数据等。非欧式空间是一类不满足欧几里得几何的几何空间，点之间的距离和度量可能具有不同的定义。欧式数据（Euclidean data）：在机器学习中，欧式数据通常指的是数据样本在欧式空间中的表示。举例：在机器学习中，某些问题可能涉及到图数据、文本数据或时间序列数据等，这些数据样本可能不容易用向量表示，并且在处理这些数据时需要考虑非欧式空间的度量和几何性质。

欧式空间

bigheart的博客

01-21

1万+

欧式空间设V是实数域R上的线性空间（或称为向量空间），若V上定义着正定对称双线性型g（g称为内积），则V称为（对于g的）内积空间或欧几里德空间（有时仅当V是有限维时，才称为欧几里德空间）。具体来说，g是V上的二元实值函数，满足如下关系：（1）对称性：g(x,y)=g(y,x)；（2）加性：g(x+y,z)=g(x,z)+g(y,z)；（3）齐次性：g(kx,y)=kg(x,y)；（4）非...

图神经网络七日打卡营 Day 01 什么是非欧空间

TEDDY的博客

11-30

2755

都说图神经网络是基于非欧空间数据的学习，那什么是非欧空间呢？引用下面这篇文章。为了使卷积核的形状是数据驱动的，也就是说对不同的数据可以自适应的产生专门的卷积核，去做一个局部的聚合操作，于是就有了可变性卷积。如上图所示，传统的卷积是在一个规则的格子上做一个局部的聚合，而可变性卷积相当于在一个不规则的格子上做一个聚合，其中箭头表示格子的一个偏移量，这个偏移量是通过数据驱动学习的。 3.回顾 ...

欧式几何与非欧式几何

高处不胜寒

07-17

1925

- 欧式几何：欧氏几何的几何结构是平坦的空间结构背景下考察，主要研究平面结构的几何及立体几何 - 非欧式几何：非欧几何关注弯曲空间下的几何结构，非欧几何是在一个不规则曲面上进行研究 ...

从一维卷积、因果卷积(Causal CNN)、扩展卷积(Dilation CNN) 到时间卷积网络 (TCN)

yinizhilianlove的博客

09-30

9116

从一维卷积、因果卷积(Causal CNN)、扩展卷积(Dilation CNN) 到时间卷积网络 (TCN)

【图卷积网络】01-卷积神经网络：从欧氏空间到非欧氏空间

冷芝士鸭的学习笔记

01-27

1767

卷积神经网络是一类包含卷积计算且具有深度结构的前馈神经网络，是深度学习的代表算法之一。卷积神经网络具有表征学习能力，能够按其阶层结构对输入信息进行平移不变分类，因此也被称为“平移不变人工神经网络” 。 图卷积神经网络方法分为两类，基于谱域的方法和基于空域的方法。基于谱域的方法通过从图信号处理的角度引入滤波器来定义图卷积，其中图卷积操作被解释为从图信号中去除噪声。基于空域的方法将图卷积表示为聚合来自邻居的特征信息。

GNN理论基础：空间域的卷积理论（待更新）

weixin_48893315的博客

03-05

593

一个图可以形式定义为一个二元组：，其中是顶点（结点）的有穷集合。是边集，连接中顶点集合中的顶点的边的集合。如果中的顶点对是有序的，即中的每一条边都是有方向的，则称为有向图。如果边集没有方向则称是无向图。如果下面这个图是一个有向图，则g%28x+VEVEEG。

数据结构，图结构(笔记)

weixin_60547084的博客

01-17

1478

1. 什么是图？ 图结构是一种与树结构相似的数据结构图论是数学的一个分支，并且在数学的概念上，树也是图的一种他以图为研究对象，研究的顶点和边组成的图形主要研究事物之间的关系，顶点代表事物，边代表两个事物之间的关系 2. 图的应用场景我们要知道树结构有很多应用场景，比如公司的架构、家族的关系等 图结构的话，有人与人之间的关系网，人就代表顶点，人与人之间的关系就代表边科学家们在观察人与人之间关系网的时候，还发现了六度空间理论 3. 六度空间理论你和任何一个陌生人之间所间隔的人不会超过六个

欧几里德结构数据(Euclidean Structure Data) 以及非欧几里德结构数据(Non-Euclidean Structure Data)

weixin_43143419的博客

03-10

2971

总的来说，数据类型可以分为两大类，分别是：欧几里德结构数据(Euclidean Structure Data) 以及非欧几里德结构数据(Non-Euclidean Structure Data)，接下来谈自己对这两类数据的认识。欧几里德结构样本在我们日常生活中，最常见到的媒体介质莫过于是图片(image)和视频(video)以及语音(voice)了，这些数据有一个特点就是：“排列整齐”。什么...

图神经网络GNN：从GCN入门，探索非欧数据处理

随着机器学习领域的发展，传统的深度学习模型如卷积神经网络(CNN)、循环神经网络(RNN)和自编码器(AutoEncoder)在处理欧式空间数据时表现出色，但在处理用户社交网络、电子商务推荐等非结构化的图数据时则显得...