基于随机游走返回概率的持久图多尺度图签名
机器学习
2022-09-29 v1
摘要
持久图（PDs）通常被刻画为同调类的消亡与生成集合，已知其能提供图结构的拓扑表示，这在机器学习任务中往往很有用。先前的工作依赖单一图签名来构造持久图。本文探索使用一族多尺度图签名来增强拓扑特征的鲁棒性。我们提出了一种深度学习架构来处理这种集合输入。在基准图分类数据集上的实验表明，我们提出的架构优于其他基于持久同调的方法，并且与采用图神经网络的最先进方法相比取得了具有竞争力的性能。此外，我们的方法可轻松应用于大尺寸输入图，因为它不会像图核方法那样受限于可扩展性问题。
引用
@article{arxiv.2209.14264,
title = {A Multi-scale Graph Signature for Persistence Diagrams based on Return Probabilities of Random Walks},
author = {Chau Pham and Trung Dang and Peter Chin},
journal= {arXiv preprint arXiv:2209.14264},
year = {2022}
}