马天宇9.6周报

本周主要进行了图神经网络的初步学习，成果主要分以下几部分：
1.首先阅读了几篇CSDN上的科普向博客（其中两篇链接如下——https://blog.csdn.net/u012678060/article/details/81056008 https://mq.mbd.baidu.com/u6qwyo4?f=cp&u=286f2eb644f488cc）。了解了GNN是以“图”这一包含节点和边两种信息的模型为基本输入单元的，图数据的复杂性在于图大小的多样性与节点的无序性，GNN与传统的CNN等网络结构的不同点在于：CNN必须使用具有规则矩形结构的卷积核来提取输入中的局部信息，而GNN可以突破欧式空间的限制，对于一些3D模型下的非规则曲面也有处理能力。
2.重点阅读了大连理工大学的一篇题为“基于图神经网络学习的人脸重建方法”硕士学位论文。该方法为图结构的每一个节点训练一个浅层的神经网络，在人脸3D模型这种复杂曲面作为输入的情况下，充分体现了GNN处理任意拓扑结构的优越性。
总结：神经网络在深度学习中的应用已经非常广泛，GNN 在对图形中节点间的依赖关系进行建模方面能力强大，其前景仍是大有可为。