RNN CNN GCN

属于深度学习领域——图像识别 主要用于识别提取图像的特征
CNN:对象是图片，一个二维结构，其主要核心是有一个kernel小窗口，用于图片的平移，然后再利用卷积来提取图片的特征。
RNN:针对一维结构，主要利用各种门操作来使得前后序列影响进而提取特征
GCN:图卷积神经网络，对象是一个图的数据结构，和CNN一样是一种图片的特征提取器，与CNN不同的是他设计了一种精巧的公式方法提取特征，还可以进行节点分类（node classification）、图分类（graph classification）、边预测（link prediction），图的嵌入表示（graph embedding）。
那么GCN的主要内容到底是什么呢？
假设我们手上有一批数据，如果节点的特征矩阵为NM的矩阵，为B，邻接矩阵为NN的矩阵,为A，那么B和A就是输入数据
GCN的输入公式为：

其中

1. A波浪线=A+I I为单位矩阵 加上一个单位矩阵是因为在乘以度矩阵的时候对角线会为0 这样的话只有矩阵的邻接矩阵而没有矩阵自身的特征
2. D为度矩阵 左右乘以D的-1/2是为了得到一个对称且归一化的矩阵
3. w 为神经网络上的权重
4. σ是非线性激活函数
   GCN神奇的地方在于这个公式的惊奇，GCN是一个经过精心设计神经网络，就算不经过大量的训练也可以进行一些分类。
   本文只是个人的一些理解