一般情況下,若「傅裏葉變換」一詞不加任何限定語,則指的是「連續傅裏葉變換」(連續函數的傅裏葉變換)。定義傅裏葉變換有許多不同的方式。本文中採用如下的定義:(連續)傅裏葉變換將可積函數 表示成復指數函數的積分或級數形。
為了在科學計算和數字信號處理等領域使用計算機進行傅裏葉變換,必須將函數xn定義在離散點而非連續域內,且須滿足有限性或週期性條件。這種情況下,使用離散傅裏葉變換,將函數xn表示為下面的求和形式:
真實世界中,許多重要的數據集都是以圖或者網路的形式存在的,比如社交網路,知識圖譜,蛋白質相互作用網,世界貿易網等等。一些論文重新回顧了這個問題,嘗試將神經網路一般化並應用在任意圖結構數據中。
圖(graph)是一種數據格式,它可以用於表示社交網路、通信網路、蛋白分子網路等,圖中的節點表示網路中的個體,連邊表示個體之間的連接關係。許多機器學習任務例如社團發現、鏈路預測等都需要用到圖結構數據,因此圖卷積神經網路的出現為這些問題的解決提供了新的思路。下圖就是一個簡單的圖結構數據: