← テーマ別のシリーズ

グラフから信号処理・GCNへ

隣接行列とラプラシアンを入口に、グラフフーリエ変換とグラフニューラルネットワークへ進みます。

前提知識 行列・固有値・固有ベクトルとNumPyの基本操作。

  1. [グラフ理論] 評価行列、隣接行列、次数行列、ラプラシアン行列

    推薦システムで用いられる評価行列・隣接行列・次数行列・ラプラシアン行列の定義を、PythonのNetworkxで計算しながら解説する記事。

  2. [グラフ理論] ベクトル場とグラフの演算子の対比

    ベクトル場の発散・勾配演算子とグラフ理論のラプラシアン行列の対応関係を整理した備忘録的な解説記事。

  3. [グラフ理論] グラフラプラシアンと固有値、GFT

    グラフラプラシアンとその固有値の理論を解説し、グラフフーリエ変換(GFT)の応用例とPythonによる実装を紹介する記事。

  4. [グラフ理論] グラフ信号処理におけるローパスフィルタ

    グラフ信号処理におけるローパスフィルタの理論を、固有値分解や固有ベクトルの観点から解説し、Pythonで実装する記事。

  5. [グラフニューラルネットワーク] GNNとGCNの実装

    GNN(グラフニューラルネットワーク)とその一種であるGCN(グラフ畳み込みネットワーク)の基本理論とPython実装をまとめた記事。

  6. [グラフニューラルネットワーク] グラフ信号処理における空間領域での畳み込みと周波数領域での要素積について

    グラフ信号処理における空間領域の畳み込みと周波数領域での要素積の関係を、理論とPython実装で解説する記事。