今天看新闻，有关阿里达摩院发布2019年十大科技趋势，有一条，感觉很有意思。
原文是这样说的，单纯的深度学习已经成熟，而结合了深度学习的图神经网络将端到端学习与归纳推理相结合，有望解决深度学习无法处理的关系推理、可解释性等一系列问题。
开始不是很明白图神经网络是什么意思，所以稍微看了一下，做了个归纳。

新闻链接：https://mp.weixin.qq.com/s/Zt1mI-TMdJYxMKwJ4nSRUQ?client=tim&ADUIN=528036346&ADSESSION=1546410913&ADTAG=CLIENT.QQ.5597_.0&ADPUBNO=26878

下面是关于图卷积神经网络的理解，参考的是下面这篇知乎:
https://zhuanlan.zhihu.com/p/37091549

1.图

卷积神经网络研究的对象还是限制在Euclidean domains的数据，比如图片是二维矩阵，比如语音是规则的一维序列。
但现实生活中有很多数据并不具备规则的空间结构，称为Non Euclidean data。

图为一种数据结构，图(graph)由顶点(vertex)和边(edge)组成，边具有权重(weights)

图有两个基本的特性：

• 一是每个节点都有自己的特征信息

• 二是图谱中的每个节点还具有结构信息，即与其它节点的连接

2.图卷计算法

PS：这部分真心没有明白怎么实现卷积，我只是对图结构有了个概念

• 发射（send）每一个节点将自身的特征信息经过变换后发送给邻居节点
• 接收（receive）每个节点将邻居节点的特征信息聚集起来
• 变换（transform）把前面的信息聚集之后做非线性变换