原来，一切皆可GNN！

文章预览

大家好，我是花哥。 图神经网络（GNN）是专为处理图结构数据而设计的深度学习架构，这些图结构数据广泛存在于社交网络、分子结构等复杂系统中。GNN通过节点间的信息交互与传递，精妙地捕获了图数据的内在结构信息，并据此动态更新每个节点的特征表示。 其实，CNN 可以看做GNN，Transformer也可以看做GNN...  以几何深度学习（Geometric Deep Learning）的 独特视角 ，形形色色的神经网络架构视作不同类型的GNN， 这视角拓宽了我们对现有神经网络工作机制的认知边界。 如下我们具体介绍下各种神经网络模型的内在联系！ 多层感知器（MLP） 多层感知器（MLP）是一种前馈神经网络，由一个输入层、一个或多个隐藏层和一个输出层组成。MLP的每个节点（神经元）都接受输入信号，并将这些信号通过激活函数（如Sigmoid、ReLU等）进行非线性变换，然后产生输 ………………………………