Graph Neural Networks 정리

Spectral Graph Convolution

   위 블로그에 Graph Neural Network에 설명이 잘 나와있는 것 같다. Spectral Graph Convolution에서 node feature 정보를 time domain이 아닌, frequency domain으로 받아들이는 점이 상당히 흥미롭다. 왠지 모르게 node feature 형성되는 것을 time domain으로 받아들이고 있었는데... 자세히 읽어봐야 겠다.

graph signal의 푸리에 변환은 graph의 Laplacian matrix를 eigen-decomposition하는 것

Laplacian matrix가 뭔지 정확히 모르니 자세히 공부해보자.
 
 graph signal 영역에서 Laplace operator가 갖는 의미가 무엇일까요 ? graph signal 영역에서 Laplace operator를 적용한다는 건, 한 노드에서의 signal의 흩어짐 정도, 즉, 흐르는 정도를 알 수 있습니다. 특정 노드에서 signal이 들어왔을 때 그 signal이 특정 노드와 연결된 노드들로 각각 얼마만큼 빠르게 흩어지는지를 알 수 있고 이는 즉 그 노드의 특징이 될 수 있는 것입니다.
 
 
 
 
 

Reference

Graph Neural Networks 개념정리 Rala Sun Blog A Comprehensive Survey on Graph Neural Networks