摘要
图卷积神经网络（GCNNs）是深度学习领域的最新重要进展，其应用正在迅速扩展到多个交叉领域，包括生物信息学、化学信息学、社交网络、自然语言处理和计算机视觉。在本文中，我们揭示并解决了GCNN模型的一些基本弱点，采用了Hinton等人在文献\cite{hinton2011transforming}中提出的胶囊思想，并提出了我们的图胶囊网络（GCAPS-CNN）模型。此外，我们设计了GCAPS-CNN模型，专门用于解决当前GCNN模型难以应对的图分类问题。通过广泛的实验，我们证明了所提出的图胶囊网络在图分类基准数据集上显著优于现有的最先进深度学习方法和图核方法。