胶囊图神经网络.ppt

基本节点胶囊提取模块高级图胶囊提取模块将初始胶囊的每一个节点的所有通道的d维向量进行concat，生成第二个图的向量，利用注意力函数F计算出注意力值矩阵，然后对每一行进行归一化，得到每个通道不同节点的注意力值的归一化值，然后与原来初始胶囊相乘，可以得到带有不同注意力的胶囊向量组。注意力机制的目的：让模型更加注重图中更重要相关的节点或者邻域信息高级图胶囊提取模块计算投票：对注意力机制生成的胶囊向量矩阵进行投票计算，其实是用一个可训练的权重矩阵对整个胶囊向量进行多次计算，最后生成P个图胶囊，每一个图胶囊都是对整个图的不同角度的观察，然后利用路由机制生成下一层的图胶囊。图分类模块运用动