基于矩阵微积分的图卷积神经网络反向传播推导及其在可解释人工智能中的应用

本文件提供了使用矩阵微积分对图卷积神经网络的反向传播算法进行全面且详细的推导。推导被扩展以包括任意逐元素激活函数和任意层数。研究解决了节点分类和链接预测这两个基本问题。实验结果表明，与使用反向模式自动微分方法相比，更新后的权重矩阵的均方误差中位数介于 $10^{-18}$ 至 $10^{-14}$ 之间。这些结果来自在五层图卷积网络上进行的实验，在 Zachary...