前言
不知道吹的什么风，GCN现在成为了当下讨论都很高的话题。在知乎上可以看到很多针对GCN的提问以及回答。然而在浏览了众多高票答案后，某Y仍然一脸懵逼，什么Laplacian矩阵？什么spectral domain的graph？Fourier？？？要不弃坑？虽然很多由浅入深的解释勉强能看得懂，但看完后仍然一知半解，收获极为有限。更别提使用这玩意了。为了更好的理解GCN，某Y只能逆向行之，从应用，也就是这篇文章，到理论来切实地学习和感受下GCN这个家伙！😫😫😫
目录
- GCN中的”图卷积”
- 如何定义Adjacency Matrix
- GCN的真面目
GCN中的“图卷积”
话不多说，上公式
简单不？接着我们来依次解释每个元素
这里加引号是因为GCN中实现的其实是图卷积的fast approximate版本，从文章公式中的众多≈就可以感受得到。
对抗攻击是指对图像加入小幅度的扰动，来诱使判别器对其作出错误的判断。值得注意的是，此处的小幅度是指人眼难以觉察到的程度。
