图注意力和序列图模型 - 码农知识堂 - 文章详情页

图注意力和序列图模型

T-GCN论文地址:Sci-Hub | T-GCN: A Temporal Graph Convolutional Network for Traffic Prediction | 10.1109/TITS.2019.2935152

Graph Attention Network

回顾:GNN基本计算方法，通过聚合相邻节点的特征，得到本节点的特征表达

但是这种方法在初始化的时候将所有的相邻节点看成是相同的，但是相邻节点的重要程度可能是不同的，因此引入了图注意力，为每条边引入一条权重项。

在下面的公式中，softmax是希望所有的权重之和为1。因此，公式的重点在于
相关阅读:
Fiddler抓包软件[二]原理与抓包配置
 flowable的流程任务统计sql(续）
大数据面试题：MapReduce压缩方式
 trucksim常见问题
 机器学习笔记之指数族分布——最大熵角度观察指数族分布(二)最大熵定理与指数族分布的关系
 JDBC学习一
 视频讲解vue2基础之渲染v-if/v-show/v-for/v-html
深入了解JUC并发（二）并发理论
 常见问题-找不到vcruntime140.dll无法继续执行代码解决方案
 前端新特性：Compute Pressure API！！！
原文地址：https://blog.csdn.net/qq_52053775/article/details/127828361