摘要
近几年,图神经网络(Graph Neural Network,GNN)的成功推动了物理、生物、化学、计算机视觉、自然语言处理等众多领域的研究。许多深度学习任务,如语义分割、文本分类和动作识别,由以往使用欧式数据的卷积神经网络(Convolutional neural network,CNN)和循环神经网络(Recurrent Neural Network,RNN)方法转变为使用非欧式数据的GNN方法。在GNN地推动下,通过借鉴CNN、RNN等神经网络的思想,研究者定义和设计了用于处理图数据的特殊网络—图卷积神经网络(Graph Convolutional Network,GCN)。本文中,将对GNN、GCN以及GCN的变体进行介绍,讨论GCN在多个领域的应用,并对GCN未来的研究方向进行思考。
作者
仝宗和
袁立宁
王洋
TONG Zong-he;YUAN Li-ning;WANG Yang
出处
《信息技术与信息化》
2020年第2期187-192,共6页
Information Technology and Informatization
基金
国家重点研发项目课题(2018YFC0809800)
公安部公安理论软科学项目(2018LLYJGADX014)。
作者简介
仝宗和,硕士研究生,研究领域:计算机视觉;袁立宁,硕士研究生,研究领域:计算机视觉;王洋,硕士研究生,研究领域:计算机视觉。
