CNN-GCN模型中特征降维至8维的原因分析

在上述卷积神经网络模型中，将输入特征x降至8维的目的是为了减少输入特征的维度，从而降低模型的复杂度和计算量。通过使用卷积神经网络对输入特征进行降维，可以提取出更具有代表性的特征表示，同时减少输入特征中的噪声和冗余信息。这样可以有效地提高模型的训练效果和泛化能力，并且加快模型的训练速度和推理速度。在降维后的特征空间中，模型可以更好地捕捉到数据中的关键信息，并进行更准确的分类和预测。