理解GCN(一）：从拉普拉斯矩阵到谱聚类

1 什么是GCN： 了解GCN之前必须对离散卷积（或者说CNN中的卷积）有一个明确的认识： 这篇博客介绍了卷积的简单理解，离散卷积本质就是一种加权求和。 以下介绍离散卷积的篇幅参考了这篇文章的第一部分： 如图1所示，CNN中的卷积本质上就是利用一个共享参数的过滤器（kernel），通过计算中心像素点以及相邻像素点的加权和来构成feature map实现空间特征的提取，当然加权系数就是卷积核的权重系

>>阅读原文<<