《图卷积神经网络》硬核课程，NTU-Xavier Bresson教授讲解，附视频与80页PPT

讲座A部分: https://atcold.github.io/pytorch-Deep-Learning/en/week13/13-1/

在本节中，我们将讨论传统卷积神经网络的结构和卷积。然后我们扩展到图域。我们理解了图的特征，并定义了图卷积。最后，我们介绍了频谱图卷积神经网络，并讨论了如何进行频谱卷积。

0:00:50 -传统ConvNets的架构 0:13:11 -传统ConvNets的卷积 0:25:29 -光谱卷积

讲座B部分: https://atcold.github.io/pytorch-Deep-Learning/en/week13/13-2/ 本节介绍了图卷积网络(GCNs)的完整谱，首先介绍了通过谱网络实现谱卷积。然后，它提供了关于模板匹配的其他卷积定义对图的适用性的见解，从而导致空间网络。详细介绍了采用这两种方法的各种体系结构及其优缺点、实验、基准和应用。

0:44:30 - GCNs谱 1:06:04 -模板匹配，各向同性GCNs和基准GNNs 1:33:06 -各向异性GCNs和结论

课程地址：https://atcold.github.io/pytorch-Deep-Learning/