graph convolutional neural network
GCN主要包括以下几个步骤：
- 图信号预处理：将原始的节点特征和边权转换为一个邻接矩阵 A。
- 特征变换：通过 A 和节点特征，计算出节点之间的权重和相邻节点特征之和，并输出到下一层。
- 图信号后处理：根据需要，对图信号进行后处理，如池化、归一化等操作。
- 分类/回归：将图信号转换为目标变量的预测结果。
GCN中的主要操作是特征变换，其本质是对节点特征进行卷积操作，但不同于传统卷积操作，GCN中的卷积是基于图结构进行的。具体而言，GCN会考虑当前节点的邻居节点特征和与它们之间的关系，然后更新当前节点的特征表示。这样，GCN可以通过节点之间的关系提取更丰富的信息，从而更好地解决图像、语音、文本等领域的问题。
