图卷积神经网络中的自适应滤波器
机器学习
2023-08-15 v4 人工智能
摘要
过去几年中，我们见证了来自非欧几里得域的日益增长的数据可用性，这些数据通常表示为具有复杂关系的图，而图神经网络（GNN）因其在处理图结构数据方面的潜力而获得高度关注。特别地，探索使用 GNN 架构扩展在图上执行卷积的可能性——通常称为图卷积神经网络（ConvGNN）——引起了强烈兴趣。图上的卷积主要以两种形式实现：谱卷积与空间卷积。由于在探索和利用数据图结构方面具有更高灵活性，近期人们对研究空间方法所能提供的可能性的兴趣与日俱增。多年来，寻找一种使网络行为适应其所处理输入以最大化总体性能的方法在神经网络文献中引起了极大兴趣。本文提出一种新方法，使 ConvGNN 的行为适应输入，提出一种使用从节点特征向量动态生成的输入特定滤波器在图上执行空间卷积的方法。实验评估证实了所提方法的能力，其使用少量滤波器即取得了令人满意的结果。
引用
@article{arxiv.2105.10377,
title = {Adaptive Filters in Graph Convolutional Neural Networks},
author = {Andrea Apicella and Francesco Isgrò and Andrea Pollastro and Roberto Prevete},
journal= {arXiv preprint arXiv:2105.10377},
year = {2023}
}
备注
This paper has been published in its final version on \textit{Pattern Recognition} journal with DOI https://doi.org/10.1016/j.patcog.2023.109867 in Open Access mode. Please consider it as final and peer-reviewed version