自适应最小均方图神经网络与在线图信号估计
机器学习
2024-01-30 v1 信号处理
摘要
从含噪的部分观测中对同时存在于空间和时间中的多元信号进行在线预测，是众多应用中的一项基本任务。我们提出了一种用于在线估计时变图信号的高效神经网络架构，命名为自适应最小均方图神经网络（LMS-GNN）。LMS-GNN 旨在信号被噪声和缺失值破坏的条件下捕捉时间变化并桥接跨时空交互。LMS-GNN 是自适应图滤波器与图神经网络（GNN）的结合。在每个时间步，LMS-GNN 的前向传播类似于自适应图滤波器，其输出基于观测与预测之间的误差，这与 GNN 类似。滤波器系数如同在 GNN 中一样通过反向传播进行更新。在真实世界温度数据上的实验表明，与自适应图滤波器和图卷积神经网络等基于图的方法相比，我们的 LMS-GNN 实现了更准确的在线预测。
引用
@article{arxiv.2401.15304,
title = {Adaptive Least Mean Squares Graph Neural Networks and Online Graph Signal Estimation},
author = {Yi Yan and Changran Peng and Ercan Engin Kuruoglu},
journal= {arXiv preprint arXiv:2401.15304},
year = {2024}
}