基于deap数据集的脑电情绪识别，本文采用多种模型，包括gnn模型，并对脑电特征进行特征提取，构建了对应的边特征点特征

图形神经网络（GNN）主要用于分子应用，因为分子结构可以用图形结构表示。 GNN的有趣之处在于它可以有效地建模系统中对象之间的关系或交互。 GNN有各种应用，例如分子应用，网络分析和物理建模。

图神经网络学习模型，用于利用DNA甲基化数据进行精确的多肿瘤早期诊断 运行环境 Linux环境，Python 3 需要以下软件包：numpy，pandas，collections，pytorch，torch_geometirc，seaborn 必须将torch_geometric创建的数据集保存在名为“已处理”的目录中 安装 pip install numpy pip install pandas pip install collections pip install seaborn 在安装pytorch时，应该匹配pytorch，torchvision，cuda和cudnn的版本。 这是我的安装命令作为参考。 conda install pytorch==1.5.0 torchvision==0.6.0 cudatoolkit=10.2 -c pytorch torch_geome

数据关联的入门PPT，介绍了GNN，JPDA和MHT的原理。 对于想目标跟踪是非常好的入门材料

图卷积神经网络教程 部分代码参考

本文继续为大家整理了五篇CVPR 2020 图神经网络（GNN）相关论文，供大家参考——行为识别、少样本学习、仿射跳跃连接、多层GCN、3D视频目标检测。

GNN在自然语言处理中的经典应用

图神经网络论文集.zip

本文手把手教你使用TensorFlow的图神经网络库tf_geometric训练图自编码器（GAE），实现链接预测功能。

E(n) Equivariant Graph Neural Networks