控制 GNN：利用基于Lyapunov稳定性的神经控制器进行测试时特征重建
机器学习
2025-04-18 v2
摘要
图神经网络（GNN）的性能受训练与测试样本分布差异的影响。先前的研究尝试通过在测试阶段重建节点特征来缓解分布迁移的影响，但这些方法缺乏对测试时预测与真实标签之间接近性的理论分析。本文提出一种基于Lyapunov稳定性理论的新型节点特征重建方法。具体而言，我们在测试阶段将GNN建模为一个控制系统，将节点特征视为控制变量。然后采用遵循Lyapunov稳定性准则的神经控制器来重建这些节点特征，以确保测试时的预测逐渐接近真实标签。我们通过多个数据集的实验验证了方法的有效性，显著提升了性能。
关键词
引用
@article{arxiv.2410.09708,
title = {Control the GNN: Utilizing Neural Controller with Lyapunov Stability for Test-Time Feature Reconstruction},
author = {Jielong Yang and Rui Ding and Feng Ji and Hongbin Wang and Linbo Xie},
journal= {arXiv preprint arXiv:2410.09708},
year = {2025}
}
备注
This work has been submitted to the IEEE for possible publication