但是邻接矩阵中的节点顺序是任意的， 例如，可以将列顺序从 [0, 1, 2, 3, 4, 5, 6, 7] 更改为 [0, 2, 1, 3, 5, 4, 7, 6]，它仍然是 图的有效邻接矩阵。...为了概括这一操作，可以将节点更新的函数定义为具有某些权重 w 的此类乘法之和：
多项式图卷积滤波器。A——图邻接矩阵，w——标量权重，x——初始节点特征，x'——更新节点特征。...可以尝试聚合和更新函数，并额外转换节点特征：
W1——更新节点特征的权重矩阵，W2——更新相邻节点特征的权重矩阵。...这样就使用一个权重矩阵 W 而不是两个，并使用 Kipf 和 Welling 归一化求和作为聚合，还有一个求和作为更新函数。...所以具有消息传递机制的 GNN 可以表示为多次重复的聚合和更新函数。消息传递的每次迭代都可以被视为一个新的 GNN 层。节点更新的所有操作都是可微的，并且可以使用可以学习的权重矩阵进行参数化。
