我对GCN中的可训练重量$ W $有疑问。当我刚开始研究GCN时，我很难理解可训练的Weigth W在卷积环境中执行的操作。如图$ A = U \ lambda U ^ T $并给出了节点信号$ x $，因此信号$ x $的傅立叶变换由$ U ^ Tx $给出，而此傅立叶变换信号与滤波器$ \ lambda $的卷积为由$ U \ lambda U ^ Tx $给出，称为信号的频谱域表示。因此，可训练权重$ W $在GCN的图形卷积中在数学上出现在哪里。请帮助我理解这一点。我浏览了以下链接：https://tkipf.github.io/graph-convolutional-networks/;https://arxiv.org/pdf/1902.07153.pdf在此先感谢
可训练的权重是FIR滤波器核矢量的元素，卷积NN可以将其应用于传入的张量切片（通常是像平面）。