本文源自知乎问题如何理解 Graph Convolutional Network（GCN）？下面的一个高赞回答，作者是superbrother​。 文章从以下12个方面详细阐述了从CNN到GCN的联系与区别，并获得了7k+的赞同，想要了解GCN的小伙伴强烈推荐阅读。

  • 1 什么是离散卷积？CNN中卷积发挥什么作用？
  • 2 GCN中的Graph指什么？为什么要研究GCN？
  • 3 提取拓扑图空间特征的两种方式
  • 4 什么是拉普拉斯矩阵？为什么GCN要用拉普拉斯矩阵？
  • 5 拉普拉斯矩阵的谱分解（特征分解）
  • 6 如何从传统的傅里叶变换、卷积类比到Graph上的傅里叶变换及卷积？
  • 7 为什么拉普拉斯矩阵的特征向量可以作为傅里叶变换的基？特征值表示频率？
  • 8 Deep Learning中的Graph Convolution
  • 9 在GCN中的Local Connectivity和Parameter Sharing
  • 10 GCN的可解释性
  • 11 关于有向图问题
  • 12 GCN的过度平滑问题

内容中包含的图片若涉及版权问题，请及时与我们联系删除