文章 · TutoLab

∑ lim xₙ → α ∂ ℝ dim V = n T : V → W ∫ ∇θ L(θ) σ P(B∣A) = P(B)·P(A∣B) EC₅₀ · IC₅₀ QSAR logP ↑ π ∀ε > 0, ∃δ > 0 Var(X) = E[X²] − μ² det(A − λI) = 0 E[X] = ∑ xᵢ·pᵢ CC(=O)OC₁=CC=CC=C₁ ATGCCGATTGCA GC · AT · 碱基互补 ‖Av‖ ≤ ‖A‖·‖v‖ rank(A) = dim col A E = mc² Ĥψ = Eψ ∇·E = ρ/ε₀ Δx·Δp ≥ ℏ/2 S = k·ln W eⁱπ + 1 = 0 F = G·m₁m₂/r² λ = h/p

文章 · ARTICLES

对一篇论文或一篇文章做深度阅读：拆解动机与背景，逐项精读核心公式与实验，交代它的影响与局限——读完这一页，等于读完并读透原文。共 1 篇。

图卷积网络深读：三层公式读懂 Kipf & Welling 2017

Deep Reading: Semi-Supervised Classification with Graph Convolutional Networks

深读 · Kipf & Welling, ICLR 2017 (arXiv:1609.02907)

一篇五页的论文为何成为图神经网络复兴的起点？从谱图卷积的一阶近似出发，逐项精读重归一化传播规则，把 GCN 的每一步推导、每个实验数字与日后的过度平滑之辨讲透——并与本站《分子机器学习导论》第 3 章的消息传递视角接通。

图神经网络谱方法半监督学习