Simple Message Passing on Graphs
3-Second Blueprint (English)
- Multiplying an adjacency matrix A by node features X sums 1-hop neighbor representations while masking unconnected nodes.
- Adding the identity matrix (A + I) injects self-loops so each node retains its own feature vector during aggregation.
- Symmetric normalization (D^-1/2 A D^-1/2) scales messages by source and target degrees for stable multi-hop diffusion.
Adjacency MatrixGraph Neural NetworksMessage PassingDegree NormalizationPython
3-Sekunden-Fazit (Deutsch)
- Die Multiplikation der Adjazenzmatrix A mit Knotenmerkmalen X summiert direkte Nachbarsignale und maskiert Nicht-Nachbarn.
- Das Addieren der Einheitsmatrix (A + I) fügt Selbstschleifen hinzu, damit eigene Knotenmerkmale erhalten bleiben.
- Symmetrische Gradnormierung (D^-1/2 A D^-1/2) skaliert Nachrichten über Quell- und Zielknotengrade für stabile Diffusion.
AdjazenzmatrixGraph Neural NetworksMessage PassingGradnormierungPython
Note / Hinweis: Blueprints are AI-generated educational summaries (0% Politics · 0% Religion · 0% Brainrot) and do not constitute medical, legal, or financial advice. / KI-generierte Zusammenfassung zu Bildungszwecken – ersetzt keine medizinische, rechtliche oder finanzielle Fachberatung.