深入浅出图神经网络GNN原理解析
图书目录：
第一章 图的概述
1.1 图的基本定义
1.2 图的存储与遍历
......
第二章 神经网络基础
2.1 机器学习基本概念
2.2 神经网络
......
第三章 卷积神经网络
3.1 卷积和池化
3.2 卷积神经网络
......
第四章 表示学习
4.1 表示学习
4.2 基于重构损失的学习方法--自编码器 ......
第五章 图信号处理与图卷积神经网络
5.1 矩阵乘法三种形式
5.2 图信号与图的拉普拉斯矩阵
......
第六章 GCN的性质
6.1 GCN与CNN的联系
6.2 GCN能够对图数据进行端对端学习
......
第七章 GCN的变体与框架
7.1 GraphSAGE
7.2 GAT
7.3 R-GCN
7.4 GNN的通用框架
......
第八章 图分类
8.1 基于全局池化的图分类
......
第九章 基于GNN的图表示学习
9.1 图表示学习
9.2 基于GNN的图表示学习
9.3 ......
第十章 GNN的应用简介
10.1 GNN的应用简述
......
部分内容：
图的基本定义
图由顶点和边组成，v代表顶点，连接线代表边：
图包含有向图、无向图、加权图、非加权图等
图主要是一种带有数学意义的色彩，在实际应用中，更多称之为网络。顶点和边主要为节点和关系。
图网络的应用场景中：
CNN的数据处理中，更多依赖于数据（图）本身数据卷积、池化后的特征获取。无法很好的获取数据之间的关系，例如:遥感数据集之间存在关系，单纯依靠CNN，无法利用数据之间的关系（顶点和边）获取我们所需要的场景结果。图神经网络则提供了一种新的思路和方式。为此，有必要学习图神经网络拓展遥感数据的应用场景。
