本文主要是介绍快速了解GCN（图卷积神经网络）综述综述综述，希望对大家解决编程问题提供一定的参考价值，需要的开发者们随着小编来一起学习吧！
如何理解 Graph Convolutional Network（GCN）？
https://www.zhihu.com/question/54504471
推荐初学者可以先从知乎的这个问题出发，点赞最多的《从CNN到GCN的联系与区别——GCN从入门到精（fang）通（qi）》
该篇文章非常详细且能够帮助初学者理解的讲述了GCN的大部分理论过程。再补充以后面几人回答的知识，便可以说对GCN有了基本
的理论支撑了。
主要论文：SEMI-SUPERVISED CLASSIFICATION WITH GRAPH CONVOLUTIONAL NETWORKS
https://arxiv.org/pdf/1609.02907.pdf
Graph Convolutional Networks
https://tkipf.github.io/graph-convolutional-networks/
下面大多文章都是对该文的一个翻译加自己理解内容。
上篇英文版的中文版：深度学习新星 | 图卷积神经网络（GCN）有多强大？ 非常有助于理解 推荐阅读
https://www.sohu.com/a/234894712_741733
本文 GCN 项目仓库：https://github.com/tkipf/gcn
图卷积网络（Graph Convolutional Network）
https://blog.csdn.net/chensi1995/article/details/77232019
该篇文章主要介绍图卷积网络的卷及方式的理论推导过程
卷积神经网络不能处理“图”结构数据？这篇文章告诉你答案
https://www.leiphone.com/news/201706/ppA1Hr0M0fLqm7OP.html
该篇wen章比较浅显的介绍了如何处理图结构的卷积神经网络，可帮助理解
谱聚类（spectral clustering）原理总结
https://www.cnblogs.com/pinard/p/6221564.html
推荐看看，关于图处理和运算的理解很有帮助，还有拉普拉斯矩阵
Googlenet： TensorFlow实战：Chapter-5（CNN-3-经典卷积神经网络（GoogleNet）)
https://blog.csdn.net/u011974639/article/details/76460849#inception-v2
浅析图卷积神经网络 浅析有助于理解
https://mp.weixin.qq.com/s/356WvVn1Tz0axsKd8LJW4Q
《Graph Learning》专栏大纲
第一章 图及其应用场景
第二章 图的传播算法
第三章 社群检测以及高密子图
第四章 异构信息网络
第五章 图表示学习
第六章 图卷积神经网络
学界 | 港中文AAAI录用论文详解：ST-GCN时空图卷积网络模型
http://www.zuixu.com/dz/a/7080.html
最后可以看看 这篇文章 ST-GCN，也是论文翻译成果，英文很棒的可以直接看下面的文章
文章链接：
https://arxiv.org/abs/1801.07455
Github 代码：
https://github.com/yysijie/st-gcn
这篇关于快速了解GCN（图卷积神经网络）综述综述综述的文章就介绍到这儿，希望我们推荐的文章对编程师们有所帮助！
