Đầu ra một tầng GCN cho một đỉnh
Một tầng mạng tích chập đồ thị (GCN) biến đổi đặc trưng đỉnh bằng ma trận trọng số rồi
Tiến độ của tôi ở bài này
Điểm và code bạn nộp được lưu vào tài khoản sau khi chấm bài.
Đang tải điểm của bạn…
Kiến thức và chủ đề
Kiến thức tiên quyết: python-basics, numpy-matrix-multiplication.
Nội dung đề bài
Mô tả bài toán
Một tầng mạng tích chập đồ thị (GCN) biến đổi đặc trưng đỉnh bằng ma trận trọng số rồi lan truyền qua ma trận kề đã chuẩn hoá: H' = Â X W. Giá trị ở đỉnh v là tổng có trọng số đặc trưng của các hàng xóm sau khi qua W.
Yêu cầu
Viết hàm gcn_layer_node(adjacency, features, weight, node) trả về đầu ra tại node dưới dạng danh sách số thực.
Quy ước nộp bài
Nộp hàm gcn_layer_node trong solution.py. Hệ thống gọi hàm trực tiếp và so giá trị với sai số 1e-6; không đọc stdin và không in ra stdout.
Input
- adjacency: ma trận kề đã chuẩn hoá Â (kích thước n x n).
- features: đặc trưng đỉnh X (kích thước n x f).
- weight: ma trận trọng số W (kích thước f x g).
- node: chỉ số đỉnh cần tính.
Output
Danh sách độ dài g bằng hàng node của  @ X @ W.
Ràng buộc
- node phải nằm trong [0, n); nếu không thì ném ValueError.
- Kích thước phải khớp; nếu không thì ném ValueError.
- Chỉ dùng NumPy cho hai tích ma trận.
Ví dụ 1
Input
gcn_layer_node(adjacency=[[0.5, 0.5, 0.0], [0.5, 0.0, 0.5], [0.0, 0.5, 0.5]], features=[[1, 0], [0, 1], [1, 1]], weight=[[1, 1], [0, 1]], node=0)
Output
[0.5, 1.0]
Ví dụ 2
Input
gcn_layer_node(adjacency=[[0.5, 0.5, 0.0], [0.5, 0.0, 0.5], [0.0, 0.5, 0.5]], features=[[1, 0], [0, 1], [1, 1]], weight=[[1, 1], [0, 1]], node=1)
Output
[1.0, 1.5]
Giải thích
Với  = [[0.5, 0.5, 0.0], [0.5, 0.0, 0.5], [0.0, 0.5, 0.5]], X = [[1, 0], [0, 1], [1, 1]] và W = [[1, 1], [0, 1]]: X W = [[1, 1], [0, 1], [1, 2]],  X W = [[0.5, 1.0], [1.0, 1.5], [0.5, 1.5]], nên đỉnh 0 cho [0.5, 1.0].
Gợi ý và lời giải chỉ mở sau khi bạn bấm Nộp bài. Giáo viên và quản trị viên mở được ngay.
Góp ý & báo lỗi bài tập
Đề bài chưa rõ, test có vấn đề hay bạn có ý tưởng giúp bài tốt hơn? Gửi cho đội ngũ AI Empire nhé — mỗi góp ý đều được đọc.
