传统GNN 模型 (GCN) ΦΦ 包含 可学习函数 FF ,参数 ΘΘ ,邻接矩阵 AA :Φ=F(Θ,A)Φ=F(Θ,A)在GCN 中,图的归纳偏差在每一层上都是乘法的,并且梯度在所有层中反向传播。最后一层生成的节点表示为:Z≡Zk=Φ(Θ,Zk−1,A)Z≡Zk=Φ(Θ,Zk−1,A), Zk∈[a,b]nZk∈[a,b]n, Z0=XZ0...