모끼의 딥러닝 공부

  • 홈
  • 태그
  • 방명록


Spectral Graph Theory 1

GCN(Graph Convolutional Networks) 1편 : Graph Laplacian부터 Graph Fourier Transform까지 (Spectral Graph Theory)

* 이 글은 서울대학교 최진영 교수님의 Graph Convolution Networks 강의를 듣고 요약한 글입니다! 좋은 강의를 들려주신 최진영 교수님께 감사합니다. :) Graph Neural Network를 공부하다 보면, 시작부터 Graph Laplacian과 Fourier Transform을 마주할 수 있게 됩니다. ㅠㅠ 이 글에서는 Graph Laplacian과 Fourier Transform이 왜 필요한지, 그 내용은 무엇인지에 대해서 이야기하도록 하겠습니다! 저도 수학을 잘 몰라서(ㅠㅠ), GNN을 사용하는 데 가장 필요하다고 생각되는 기본적인 내용 위주로 다루도록 하겠습니다. 또한 기본적인 graph의 구조(node, edge)에 대해서는 안다고 가정하고 설명하도록 하겠습니다. 1. Gr..

Courses/GCN(Graph Convolution Networks) 2021.08.04
1
더보기


프로필사진

딥러닝/머신러닝 관련 논문 또는 지식 정리, 그 외 개발 관련 글

  • 분류 전체보기 (20)
    • paper review (5)
      • information theory (1)
      • GAN (1)
      • vision language (1)
      • memory network (1)
      • attention (1)
    • Courses (15)
      • cs231n (2)
      • GCN(Graph Convolution Netwo.. (2)
      • Probabilistic Graphical Mod.. (7)
      • ML(PRML,cs229) (4)


Tag

gaussian mixture, VAE, 딥러닝, Generative Model, gaussian, Deeplearning, exponential family, reparameterization trick, probabilistic graphical model, 논문읽기, Attention, mutual information, gan, CS231n, variational inference, deep learning, GCN, Bernoulli, GNN, MCMC,

최근글과 인기글

  • 최근글
  • 인기글

최근댓글

공지사항

페이스북 트위터 플러그인

  • Facebook
  • Twitter

Archives

Calendar

«   2025/05   »
일 월 화 수 목 금 토
1 2 3
4 5 6 7 8 9 10
11 12 13 14 15 16 17
18 19 20 21 22 23 24
25 26 27 28 29 30 31

방문자수Total

  • Today :
  • Yesterday :

Copyright © Kakao Corp. All rights reserved.

티스토리툴바